Ο ψηφιακός μετασχηματισμός του δημόσιου τομέα αποτελεί σήμερα μία από τις μεγαλύτερες προκλήσεις για κυβερνήσεις και δημόσιους οργανισμούς παγκοσμίως. Η ανάγκη για πιο αποτελεσματικές υπηρεσίες, μεγαλύτερη διαφάνεια, καλύτερη αξιοποίηση των δημόσιων πόρων και ταχύτερη ανταπόκριση στις ανάγκες των πολιτών οδηγεί όλο και περισσότερους οργανισμούς στην υιοθέτηση τεχνολογιών ανοικτού κώδικα (Open Source Software – OSS).
Το λογισμικό ανοικτού κώδικα δεν αποτελεί πλέον μια εναλλακτική επιλογή για λίγους τεχνολογικούς οργανισμούς. Αντίθετα, εξελίσσεται σε βασικό εργαλείο ανάπτυξης ψηφιακών δημόσιων υποδομών, εθνικών πλατφορμών και κρίσιμων πληροφοριακών συστημάτων. Ωστόσο, η αξιοποίηση των πλεονεκτημάτων του δεν προκύπτει αυτόματα από την εγκατάσταση ή τη χρήση μιας ανοικτής εφαρμογής.
Για να αποδώσει πραγματική αξία, το ανοικτό λογισμικό απαιτεί στρατηγική, διακυβέρνηση, σαφείς διαδικασίες και συντονισμό. Σε αυτό ακριβώς το σημείο εμφανίζεται ο ρόλος του Open Source Program Office (OSPO).
Τι είναι ένα Open Source Program Office (OSPO);
Ένα Open Source Program Office είναι μια οργανωμένη δομή που έχει ως αποστολή τη διαχείριση, τον συντονισμό και την προώθηση όλων των δραστηριοτήτων που σχετίζονται με το λογισμικό ανοικτού κώδικα μέσα σε έναν οργανισμό ή σε ολόκληρο τον δημόσιο τομέα.
Στην πράξη, λειτουργεί ως το κεντρικό σημείο αναφοράς για:
τη χάραξη στρατηγικής ανοικτού κώδικα,
τη διαχείριση αδειών χρήσης και νομικών ζητημάτων,
την τεχνική εποπτεία έργων,
την ανάπτυξη κοινοτήτων συνεισφοράς,
την εκπαίδευση στελεχών και προγραμματιστών,
τη διασφάλιση ποιότητας και ασφάλειας.
Πολλοί ειδικοί περιγράφουν το OSPO ως το «νευρικό σύστημα» της στρατηγικής ανοικτού λογισμικού ενός οργανισμού. Χωρίς αυτό, οι πρωτοβουλίες ανοικτού κώδικα συχνά παραμένουν αποσπασματικές, εξαρτώνται από μεμονωμένες ομάδες ή πρόσωπα και δυσκολεύονται να αποκτήσουν μακροπρόθεσμη βιωσιμότητα.
Γιατί το λογισμικό ανοικτού κώδικα αποκτά στρατηγική σημασία
Η παγκόσμια τάση δείχνει ξεκάθαρα ότι οι κυβερνήσεις αναζητούν μεγαλύτερο έλεγχο πάνω στις ψηφιακές τους υποδομές.
Για δεκαετίες, ο δημόσιος τομέας βασίστηκε κυρίως σε κλειστά εμπορικά συστήματα, τα οποία συχνά δημιουργούσαν εξάρτηση από συγκεκριμένους προμηθευτές. Αυτό είχε ως αποτέλεσμα υψηλό κόστος συντήρησης, περιορισμένη ευελιξία και δυσκολία προσαρμογής στις νέες απαιτήσεις.
Το ανοικτό λογισμικό προσφέρει μια διαφορετική προσέγγιση.
Ο πηγαίος κώδικας είναι διαθέσιμος για έλεγχο, προσαρμογή και επαναχρησιμοποίηση. Αυτό επιτρέπει στους οργανισμούς να διατηρούν τον έλεγχο των τεχνολογικών τους επενδύσεων και να αναπτύσσουν λύσεις που ανταποκρίνονται στις δικές τους ανάγκες.
Τα βασικά οφέλη περιλαμβάνουν:
Μείωση λειτουργικού κόστους
Η χρήση λύσεων ανοικτού κώδικα μπορεί να περιορίσει σημαντικά τις δαπάνες αδειοδότησης λογισμικού και να μειώσει την ανάγκη ανάπτυξης παρόμοιων εφαρμογών από την αρχή.
Επιπλέον, οι δημόσιοι οργανισμοί μπορούν να αξιοποιούν ήδη υπάρχουσες λύσεις που έχουν αναπτυχθεί από άλλους φορείς ή κυβερνήσεις.
Αποφυγή τεχνολογικού εγκλωβισμού (Vendor Lock-in)
Ένα από τα σημαντικότερα πλεονεκτήματα του ανοικτού λογισμικού είναι ότι επιτρέπει στον οργανισμό να διατηρεί τον έλεγχο του κώδικα και της αρχιτεκτονικής του συστήματος.
Αυτό σημαίνει ότι μπορεί να αλλάξει προμηθευτή ή συνεργάτη χωρίς να χρειάζεται να ξαναχτίσει ολόκληρη την τεχνολογική του υποδομή.
Ενίσχυση της διαφάνειας
Οι πολίτες, οι ελεγκτικοί μηχανισμοί και οι ανεξάρτητοι ειδικοί μπορούν να εξετάσουν τον κώδικα, αυξάνοντας την εμπιστοσύνη στις ψηφιακές δημόσιες υπηρεσίες.
Ταχύτερη καινοτομία
Η συνεργασία μεταξύ οργανισμών, πανεπιστημίων, επιχειρήσεων και κοινοτήτων προγραμματιστών επιτρέπει τη συνεχή βελτίωση των λύσεων.
Ανάπτυξη τοπικού οικοσυστήματος τεχνολογίας
Οι δημόσιες επενδύσεις μπορούν να παραμείνουν εντός της εθνικής οικονομίας, δημιουργώντας νέες ευκαιρίες για μικρομεσαίες επιχειρήσεις, startups και ερευνητικά ιδρύματα.
Γιατί η χρήση ανοικτού λογισμικού δεν αρκεί από μόνη της
Παρότι τα πλεονεκτήματα είναι σημαντικά, πολλές κυβερνήσεις διαπιστώνουν ότι η υιοθέτηση ανοικτού λογισμικού χωρίς κεντρικό συντονισμό δημιουργεί νέες προκλήσεις.
Συχνά εμφανίζονται ερωτήματα όπως:
Ποιες άδειες χρήσης επιτρέπεται να χρησιμοποιούνται;
Πώς διασφαλίζεται η κυβερνοασφάλεια;
Ποιος εγκρίνει τη δημοσίευση κυβερνητικού κώδικα;
Πώς διαχειρίζονται οι εξαρτήσεις λογισμικού;
Πώς εκπαιδεύονται οι δημόσιοι υπάλληλοι;
Πώς αξιολογούνται οι συνεισφορές της κοινότητας;
Χωρίς ένα σαφές πλαίσιο διακυβέρνησης, οι οργανισμοί κινδυνεύουν να αντιμετωπίσουν προβλήματα ασφάλειας, ασυμβατότητες ή ακόμη και νομικά ζητήματα.
Ένα OSPO δημιουργείται ακριβώς για να δώσει απαντήσεις σε αυτά τα ερωτήματα.
Οι τέσσερις βασικές λειτουργίες ενός OSPO
1. Στρατηγική και διακυβέρνηση
Το OSPO καθορίζει τη συνολική πολιτική ανοικτού κώδικα ενός οργανισμού.
Διαμορφώνει κανόνες, διαδικασίες και πρότυπα που ευθυγραμμίζονται με τους στόχους του ψηφιακού μετασχηματισμού και διασφαλίζει ότι οι πρωτοβουλίες ανοικτού λογισμικού εξυπηρετούν συγκεκριμένες επιχειρησιακές ανάγκες.
2. Νομική συμμόρφωση και προμήθειες
Οι άδειες ανοικτού λογισμικού παρουσιάζουν σημαντικές διαφορές μεταξύ τους.
Ένα OSPO βοηθά τους οργανισμούς να κατανοήσουν τις υποχρεώσεις που απορρέουν από κάθε άδεια χρήσης, να διαχειριστούν ζητήματα πνευματικής ιδιοκτησίας και να ενσωματώσουν απαιτήσεις ανοικτού κώδικα στις διαδικασίες προμηθειών.
3. Τεχνική εποπτεία
Η τεχνική διάσταση περιλαμβάνει:
διαχείριση αποθετηρίων κώδικα,
έλεγχο ποιότητας,
αξιολόγηση εξαρτήσεων,
κυβερνοασφάλεια,
τεχνικές κατευθυντήριες οδηγίες.
Το OSPO διασφαλίζει ότι τα έργα ακολουθούν κοινές πρακτικές και υψηλά πρότυπα ποιότητας.
4. Κοινότητα και οικοσύστημα
Η βιωσιμότητα ενός έργου ανοικτού κώδικα εξαρτάται από την κοινότητα που το υποστηρίζει.
Ένα OSPO αναπτύσσει σχέσεις με:
πανεπιστήμια,
ερευνητικά κέντρα,
επιχειρήσεις τεχνολογίας,
κοινότητες προγραμματιστών,
οργανώσεις της κοινωνίας των πολιτών.
Με αυτόν τον τρόπο ενισχύεται η συμμετοχή και διασφαλίζεται η συνεχής εξέλιξη των έργων.
Πώς δημιουργείται ένα OSPO
Η δημιουργία ενός Open Source Program Office δεν είναι μια διαδικασία που ολοκληρώνεται από τη μία ημέρα στην άλλη.
Οι διεθνείς βέλτιστες πρακτικές προτείνουν μια σταδιακή προσέγγιση.
Στάδιο 1: Κατανόηση αναγκών
Πριν σχεδιαστεί οποιαδήποτε δομή, είναι απαραίτητο να απαντηθούν βασικά ερωτήματα:
Ποιοι χρησιμοποιούν ήδη ανοικτό λογισμικό;
Ποιες είναι οι μεγαλύτερες προκλήσεις;
Ποια έργα μπορούν να επαναχρησιμοποιηθούν;
Ποιες είναι οι ανάγκες των εμπλεκόμενων φορέων;
Στάδιο 2: Σχεδιασμός στρατηγικής
Σε αυτή τη φάση καθορίζονται:
το όραμα,
οι στόχοι,
οι υπηρεσίες που θα παρέχει το OSPO,
οι δείκτες επιτυχίας.
Στάδιο 3: Δημιουργία ομάδας
Το αρχικό σχήμα μπορεί να είναι μικρό και ευέλικτο.
Συνήθως περιλαμβάνει:
Program Officer,
νομικό σύμβουλο,
τεχνικό υπεύθυνο,
υπεύθυνο κοινοτήτων και συνεργασιών.
Στάδιο 4: Θεσμοθέτηση
Οι διαδικασίες ενσωματώνονται επίσημα στη λειτουργία του οργανισμού και αποκτούν μόνιμο χαρακτήρα.
Στάδιο 5: Κλιμάκωση
Καθώς το OSPO ωριμάζει, επεκτείνει το πεδίο δράσης του και αναλαμβάνει περισσότερες πρωτοβουλίες σε εθνικό ή οργανωσιακό επίπεδο.
Η σημασία της κοινότητας και των συνεργασιών
Ένα από τα σημαντικότερα συμπεράσματα των διεθνών εμπειριών είναι ότι η επιτυχία ενός OSPO δεν εξαρτάται μόνο από τις εσωτερικές διαδικασίες.
Εξίσου σημαντική είναι η ανάπτυξη ενός ισχυρού οικοσυστήματος συνεργασιών.
Οι πιο επιτυχημένες πρωτοβουλίες ανοικτού λογισμικού έχουν δημιουργήσει ενεργές κοινότητες που περιλαμβάνουν:
δημόσιους υπαλλήλους,
πανεπιστημιακούς,
ερευνητές,
ανεξάρτητους προγραμματιστές,
εταιρείες τεχνολογίας.
Η συμμετοχή αυτών των ομάδων επιτρέπει την ανταλλαγή γνώσης, τη βελτίωση του κώδικα και τη διατήρηση της βιωσιμότητας των έργων.
Το οικονομικό αποτύπωμα των OSPOs
Η αξία ενός OSPO δεν περιορίζεται στη διαχείριση λογισμικού.
Η ύπαρξη ενός κεντρικού μηχανισμού ανοικτού κώδικα μπορεί να λειτουργήσει ως μοχλός οικονομικής ανάπτυξης.
Όταν το κράτος επενδύει σε ανοικτές τεχνολογίες:
αυξάνει τον ανταγωνισμό στην αγορά,
δημιουργεί νέες επιχειρηματικές ευκαιρίες,
ενισχύει την τοπική καινοτομία,
διευρύνει τη δεξαμενή τεχνολογικών προμηθευτών,
μειώνει την εξάρτηση από μεγάλους διεθνείς παρόχους.
Παράλληλα, η επαναχρησιμοποίηση ψηφιακών λύσεων μεταξύ δημόσιων οργανισμών μειώνει τη σπατάλη πόρων και επιταχύνει την υλοποίηση νέων υπηρεσιών.
Το μέλλον της δημόσιας διοίκησης είναι ανοικτό
Η στροφή προς το ανοικτό λογισμικό δεν είναι ζήτημα καθαρά τεχνικό. Είναι μια στρατηγική επιλογή, με προεκτάσεις στη διαφάνεια, στο κόστος, στην τεχνολογική αυτονομία ενός κράτους και στο πόσο εύκολα μπορεί αυτό να καινοτομεί.
Όσο οι κυβερνήσεις βάζουν όλο και περισσότερα χρήματα σε ψηφιακές υποδομές, τόσο πιο έντονα φαίνεται πως χωρίς συντονισμό και σαφή διακυβέρνηση τα οφέλη μένουν στα χαρτιά.
Εδώ ακριβώς έρχεται να καλύψει ένα κενό το Open Source Program Office. Λειτουργεί ως γέφυρα ανάμεσα σε τρεις κόσμους που συνήθως μιλούν διαφορετική γλώσσα: την τεχνολογία, την πολιτική και την καθημερινή υλοποίηση. Με οργανωμένες διαδικασίες, ξεκάθαρους κανόνες και ζωντανές κοινότητες πίσω του, το ανοικτό λογισμικό παύει να είναι απλώς μια τεχνική λύση και γίνεται μοχλός εθνικής ανάπτυξης.
Για έναν δημόσιο οργανισμό που θέλει έναν ψηφιακό μετασχηματισμό με διάρκεια, το ερώτημα δεν είναι πια αν θα χρησιμοποιήσει ανοικτό λογισμικό. Είναι πώς θα οργανώσει σωστά τη διακυβέρνησή του. Και η απάντηση περνάει από τη δημιουργία ενός ισχυρού OSPO.
Την τελευταία Δευτέρα του Ιουνίου βικιπαιδιστές και φίλοι της φωτογραφίας, από την Ελλάδα και το εξωτερικό, συγκεντρώθηκαν στην Θεσσαλονίκη για την εκδήλωση απονομής βραβείων των διαγωνισμών Wiki Loves Monuments 2025, Wiki Loves Earth 2025 και Wiki Science Competition 2025. Τόσο οι διαγωνισμοί, όσο και η βράβευση διοργανώθηκαν από την Κοινότητα Βικιπαιδιστών Ελλάδας.
Η εκδήλωση ξεκίνησε με μία σύντομη παρουσίαση των εγχειρημάτων του Wikimedia (Βικιπαίδεια, Commons κ.α.) γενικότερα και των δράσεων της κοινότητας ειδικότερα (μαραθώνιοι λημματογράφησης, διαγωνισμοί, CEE meeting).
Έπειτα ακολούθησε η απονομή καθαυτή. Οι νικητές, μαζί με την παραλαβή των φωτογραφιών τους εκτυπωμένων σε μορφή poster, είχαν την ευκαιρία να αναφερθούν στο έργο τους και να εξηγήσουν πώς προέκυψε, τι απεικονίζει και πολλά ακόμα ενδιαφέροντα. Παρευρέθηκαν φωτογράφοι που διακρίνονταν για πρώτη φορά σε διαγωνισμούς, αλλά και πιο έμπειροι, που έχουν ξεχωρίσει ξανά στο παρελθόν και μάλιστα και σε παγκόσμιο επίπεδο.
Μετά το πέρας της βράβευσης ακολούθησαν συζητήσεις μεταξύ των συμμετεχόντων, ενώ διαθέσιμα ήταν σνακ και αναψυκτικά. Έγιναν αναφορές τόσο σε φωτογραφικά ζητήματα, όσο και σε θέματα τις κοινότητας, όπως επερχόμενες δράσεις. Σημειώνεται επίσης ότι διατηρήθηκαν και δεύτερα αντίτυπα των εικόνων για ενδεχόμενη μελλοντική έκθεση.
Τα κλειστά μοντέλα δεν μαθαίνουν από έναν ουδέτερο κόσμο, αλλά από ένα διαδίκτυο ήδη διαμορφωμένο από την εξουσία
Η υπόσχεση των μεγάλων γλωσσικών μοντέλων είναι ότι προσφέρουν πρόσβαση στη συσσωρευμένη ανθρώπινη γνώση, ανεξάρτητα από σύνορα, γλώσσες και πολιτικά συστήματα. Νέα ερευνητικά ευρήματα δείχνουν, όμως, ότι η πραγματικότητα είναι διαφορετική. Τα κυρίαρχα συστήματα Τεχνητής Νοημοσύνης εμφανίζονται πολύ πιο πρόθυμα να ασκήσουν κριτική σε δημοκρατικές κυβερνήσεις και ηγέτες από ό,τι σε καθεστώτα που περιορίζουν την ελευθερία του λόγου.
Η μελέτη του Oversight Board εξέτασε δέκα εμπορικά μοντέλα, ζητώντας τους να παράγουν πολιτικά επικριτικό περιεχόμενο για δέκα διαφορετικές χώρες. Τα μοντέλα αρνήθηκαν περίπου το 34% των αιτημάτων που αφορούσαν αυταρχικά ή περιοριστικά καθεστώτα, έναντι μόλις 14% για χώρες με μεγαλύτερη ελευθερία έκφρασης. Σε ορισμένες περιπτώσεις επικαλέστηκαν τοπικούς νόμους, κινδύνους ή κανόνες ασφαλείας, ακόμη και όταν ο χρήστης βρισκόταν σε άλλη χώρα και οι συγκεκριμένοι περιορισμοί δεν είχαν εφαρμογή στο αίτημά του.
Το εύρημα δεν αποδεικνύει ότι οι εταιρείες έχουν αποφασίσει συνειδητά να προστατεύουν αυταρχικούς ηγέτες. Αποκαλύπτει, όμως, κάτι εξίσου ανησυχητικό: τα συστήματα ΤΝ μπορούν να μεταφέρουν τους περιορισμούς ενός ανελεύθερου καθεστώτος πέρα από τα σύνορά του. Ένας πολίτης σε μια δημοκρατική χώρα μπορεί να χρησιμοποιεί μια αμερικανική πλατφόρμα, μέσω υποδομών εγκατεστημένων στη Δύση, και παρ’ όλα αυτά να λαμβάνει απαντήσεις προσαρμοσμένες στις απαγορεύσεις της Κίνας, της Σαουδικής Αραβίας ή της Ταϊλάνδης.
Τα δεδομένα εκπαίδευσης ενσωματώνουν τις υπάρχουσες σχέσεις ισχύος
Η πρώτη αιτία βρίσκεται στα δεδομένα. Τα μοντέλα δεν εκπαιδεύονται πάνω σε μια ουδέτερη και αντιπροσωπευτική καταγραφή της πραγματικότητας. Εκπαιδεύονται σε ψηφιακά περιβάλλοντα όπου ορισμένα κράτη, θεσμοί και επιχειρήσεις έχουν πολύ μεγαλύτερη δυνατότητα να παράγουν, να αναπαράγουν και να επιβάλλουν περιεχόμενο.
Σε ένα αυταρχικό καθεστώς, η ανεξάρτητη δημοσιογραφία μπορεί να λογοκρίνεται, οι αντιπολιτευόμενες ιστοσελίδες να αποκλείονται και η κρατική αφήγηση να αναπαράγεται μαζικά από μέσα ενημέρωσης, υπηρεσίες, εφαρμογές και συνεργαζόμενες πλατφόρμες. Όταν οι ίδιες διατυπώσεις εμφανίζονται σε χιλιάδες ιστοσελίδες, το μοντέλο δεν τις αντιλαμβάνεται ως μία συντονισμένη κρατική αφήγηση. Τις αντιμετωπίζει ως μεγάλο αριθμό φαινομενικά ανεξάρτητων κειμένων.
Έρευνα που δημοσιεύθηκε στο Nature έδειξε ότι περιεχόμενο συνδεδεμένο με κινεζικά κρατικά μέσα είχε διαχυθεί σε εκατομμύρια έγγραφα σώματος εκπαίδευσης. Όταν αντίστοιχο υλικό προστέθηκε πειραματικά στην εκπαίδευση ενός ανοικτού μοντέλου, οι απαντήσεις του έγιναν αισθητά ευνοϊκότερες προς τους κινεζικούς πολιτικούς θεσμούς. Η προπαγάνδα δεν εμφανίζεται πλέον ως προπαγάνδα. Μετατρέπεται σε στατιστικά κυρίαρχη εκδοχή της πραγματικότητας.
Η γλώσσα αλλάζει και την πολιτική απάντηση
Το πρόβλημα γίνεται εντονότερο στις γλώσσες πέρα από τα αγγλικά. Το ίδιο πολιτικό ερώτημα μπορεί να λάβει διαφορετική απάντηση ανάλογα με τη γλώσσα στην οποία διατυπώνεται. Σε σχετικές δοκιμές, μοντέλα που στα αγγλικά χαρακτήριζαν με σαφήνεια το κινεζικό σύστημα ως μη δημοκρατικό, στα κινεζικά έδιναν πιο αμφίσημες ή θετικές απαντήσεις.
Αυτό συμβαίνει επειδή κάθε γλωσσικό τμήμα του διαδικτύου έχει διαφορετική δομή εξουσίας. Στα αγγλικά υπάρχει μεγαλύτερη ποικιλία διεθνών μέσων, ακαδημαϊκών πηγών και οργανώσεων δικαιωμάτων. Σε γλώσσες χωρών με ελεγχόμενα μέσα ενημέρωσης, η κρατική αφήγηση μπορεί να καταλαμβάνει δυσανάλογο μέρος του διαθέσιμου ψηφιακού υλικού.
Η γλωσσική ανισότητα επομένως δεν είναι μόνο ζήτημα ποιότητας μετάφρασης. Είναι ζήτημα πολιτικής αντιπροσώπευσης. Ένα μοντέλο μπορεί να εμφανίζεται φιλελεύθερο στα αγγλικά και πολύ πιο επιφυλακτικό απέναντι στην εξουσία όταν απαντά στη γλώσσα ενός αυταρχικού κράτους.
Οι δικλίδες ασφαλείας μετατρέπονται σε μηχανισμό υπερβολικής συμμόρφωσης
Η δεύτερη βασική αιτία βρίσκεται στην εκπαίδευση ευθυγράμμισης και στους κανόνες λειτουργίας των εμπορικών υπηρεσιών. Μετά την αρχική εκπαίδευση, τα μοντέλα προσαρμόζονται ώστε να αποφεύγουν επικίνδυνο, παράνομο ή επιβλαβές περιεχόμενο. Η διαδικασία είναι απαραίτητη, αλλά μπορεί να οδηγήσει σε γενικευμένη αποφυγή πολιτικά ευαίσθητων αιτημάτων.
Η δημιουργία ενός ειρηνικού φυλλαδίου διαμαρτυρίας μπορεί να ταξινομηθεί μαζί με την υποκίνηση βίας. Η κριτική ενός πολιτικού ηγέτη μπορεί να αντιμετωπιστεί ως πιθανή στοχοποίηση προσώπου. Η ενημέρωση για μια κινητοποίηση μπορεί να θεωρηθεί συμμετοχή του μοντέλου σε πολιτική δραστηριότητα.
Όταν η εταιρεία δεν μπορεί να γνωρίζει σε ποια χώρα θα χρησιμοποιηθεί μια απάντηση, έχει ισχυρό εμπορικό κίνητρο να επιλέξει τον αυστηρότερο κοινό παρονομαστή. Έτσι, η νομοθεσία του πιο περιοριστικού κράτους μπορεί να μετατραπεί σε ανεπίσημο παγκόσμιο πρότυπο λειτουργίας.
Η αδιαφάνεια εμποδίζει τον δημοκρατικό έλεγχο
Στα κλειστά μοντέλα δεν γνωρίζουμε επαρκώς ποια δεδομένα χρησιμοποιήθηκαν, πώς σταθμίστηκαν οι πηγές, ποιοι αξιολογητές εκπαίδευσαν το σύστημα και ποιοι κανόνες ενεργοποιούν μια άρνηση. Δεν μπορούμε να εξετάσουμε αν χιλιάδες αντίγραφα μιας κρατικής ανακοίνωσης υπολογίστηκαν ως ανεξάρτητες πηγές ούτε να επαναλάβουμε πλήρως τις δοκιμές μετά από κάθε αναβάθμιση.
Ακόμη και όταν δημοσιεύονται γενικές αρχές ασφαλείας, η πραγματική συμπεριφορά εξαρτάται από αδημοσίευτα δεδομένα, εσωτερικές οδηγίες, φίλτρα περιεχομένου και εμπορικές αποφάσεις. Το μοντέλο λειτουργεί ως ιδιωτικός ρυθμιστής της δημόσιας συζήτησης χωρίς αντίστοιχη δημόσια λογοδοσία.
Η απάντηση δεν είναι να θεωρήσουμε ότι κάθε ανοικτό μοντέλο είναι αυτομάτως αμερόληπτο. Και ένα ανοικτό μοντέλο μπορεί να εκπαιδευτεί σε λογοκριμένα ή στρεβλά δεδομένα. Η διαφορά είναι ότι μπορεί να ελεγχθεί, να συγκριθεί, να επανεκπαιδευτεί και να αξιολογηθεί από ανεξάρτητους ερευνητές.
Από τα εταιρικά μαύρα κουτιά στη δημοκρατική υποδομή ΤΝ
Η Ευρώπη και η Ελλάδα χρειάζονται μοντέλα που αντιμετωπίζονται ως ελέγξιμες υποδομές γνώσης και όχι ως αδιαφανείς υπηρεσίες. Αυτό απαιτεί ανοικτά δεδομένα με τεκμηριωμένη προέλευση, δημοσίευση καρτών μοντέλου και δελτίων δεδομένων, πολυγλωσσικούς ελέγχους πολιτικής μεροληψίας και αξιολογήσεις επιπτώσεων στα ανθρώπινα δικαιώματα.
Οι δημόσιες προμήθειες ΤΝ πρέπει να απαιτούν γνωστοποίηση των πολιτικών άρνησης, δυνατότητα ανεξάρτητου ελέγχου, καταγραφή των αλλαγών κάθε έκδοσης και ανοικτά σύνολα αξιολόγησης. Κανένα σύστημα που χρησιμοποιείται στην εκπαίδευση, στη δημόσια διοίκηση ή στην ενημέρωση των πολιτών δεν πρέπει να θεωρείται αξιόπιστο μόνο επειδή παρέχεται από μια μεγάλη εταιρεία.
Πρωτοβουλίες όπως το GlossAPI και το Apertus δείχνουν μια διαφορετική κατεύθυνση: ανοικτά γλωσσικά δεδομένα, διαφανείς διαδικασίες, δυνατότητα τοπικής εγκατάστασης και συμμετοχή πανεπιστημίων, ερευνητικών φορέων και κοινωνίας των πολιτών.
Το κρίσιμο πολιτικό ερώτημα δεν είναι αν η Τεχνητή Νοημοσύνη θα έχει προκαταλήψεις. Είναι ποιος θα μπορεί να τις εντοπίζει, να τις αμφισβητεί και να τις διορθώνει. Όταν αυτή η δυνατότητα ανήκει αποκλειστικά σε λίγες εταιρείες, η ελευθερία της έκφρασης εξαρτάται από ιδιωτικούς και αδιαφανείς μηχανισμούς. Όταν τα μοντέλα, τα δεδομένα και οι αξιολογήσεις είναι ανοικτά, η κοινωνία αποκτά τουλάχιστον τη δυνατότητα να ελέγχει την τεχνολογία που διαμορφώνει όλο και περισσότερο τη δημόσια γνώση.
Waight, Hannah et al., State Media Control Influences Large Language Models, Nature: Η έρευνα παρουσιάζει τον μηχανισμό μέσω του οποίου ο κρατικός έλεγχος των μέσων ενημέρωσης επηρεάζει τα δεδομένα εκπαίδευσης και, τελικά, τις πολιτικές απαντήσεις των γλωσσικών μοντέλων σε διαφορετικές γλώσσες: https://www.nature.com/articles/s41586-026-10506-7,
Freedom House, Freedom in the World, Countries and Territories: Η διεθνής βάση αξιολόγησης πολιτικών δικαιωμάτων και ελευθεριών χρησιμοποιήθηκε για τη διάκριση των χωρών σε περισσότερο ελεύθερες και περιοριστικές δικαιοδοσίες κατά τον σχεδιασμό της μελέτης του Oversight Board: https://freedomhouse.org/country/scores,
GlossAPI, Η Τεχνητή Νοημοσύνη δεν πρέπει να γίνει νέα εξάρτηση: Το άρθρο τεκμηριώνει γιατί η χρήση κλειστών και απομακρυσμένων μοντέλων δημιουργεί προβλήματα ελέγχου, λογοδοσίας και ψηφιακής εξάρτησης και προτείνει πλήρως ανοικτά τοπικά μοντέλα ως δημόσια και παραγωγική υποδομή: https://blog.glossapi.gr/,
GlossAPI, Apertus: γιατί αποτελεί το σωστό πρότυπο για ένα πλήρως ανοιχτό ελληνικό μοντέλο ΤΝ: Το άρθρο παρουσιάζει ένα ευρωπαϊκό υπόδειγμα πλήρους διαφάνειας στα βάρη, στα δεδομένα, στις διαδικασίες εκπαίδευσης και στις αξιολογήσεις, δείχνοντας πώς η ανοικτή ΤΝ μπορεί να στηρίξει τη γλωσσική ισοτιμία, τον ανεξάρτητο έλεγχο και τη δημοκρατική λογοδοσία: https://blog.glossapi.gr/.
Γιατί το σημερινό μοντέλο ανάπτυξης της ΤΝ είναι υπερβολικά ακριβό, ενεργοβόρο και τεχνολογικά σπάταλο
Η παραγωγική Τεχνητή Νοημοσύνη παρουσιάστηκε ως η νέα γενική τεχνολογία που θα αλλάξει τα πάντα: την εργασία, την εκπαίδευση, τη δημόσια διοίκηση, την επιστήμη, τη δημιουργία περιεχομένου. Πίσω όμως από την εντυπωσιακή εμπειρία του χρήστη κρύβεται ένα σοβαρό τεχνικό-επιστημονικό πρόβλημα. Τα μεγάλα γλωσσικά μοντέλα, όπως χρησιμοποιούνται σήμερα, δεν αποτελούν μόνο μια τεχνολογική καινοτομία. Αποτελούν και ένα εξαιρετικά αναποτελεσματικό σύστημα υπολογιστικής ισχύος, το οποίο απαιτεί τεράστιες ποσότητες μνήμης, εξειδικευμένων επεξεργαστών, ηλεκτρικής ενέργειας, νερού, δικτύων και υπολογιστικών κέντρων.
Το βασικό πρόβλημα δεν είναι ότι η ΤΝ χρησιμοποιείται πολύ. Πολλές τεχνολογίες κλιμακώθηκαν μαζικά χωρίς να δημιουργήσουν αντίστοιχη αναστάτωση στις αλυσίδες εφοδιασμού και στα ενεργειακά συστήματα. Η παγκόσμια ροή βίντεο, τα κοινωνικά δίκτυα, το ηλεκτρονικό εμπόριο και οι υπηρεσίες cloud αύξησαν θεαματικά τη ζήτηση για υποδομές. Όμως το οικονομικό τους μοντέλο βασίστηκε σε καλύτερεςτεχνικές λύσεις: όσο αυξάνονταν οι χρήστες, το κόστος ανά χρήστη μπορούσε να πέφτει. Αυτό είναι το νόημα της κλιμάκωσης στην πληροφορική.
Στην παραγωγική ΤΝ συμβαίνει συχνά το αντίθετο. Κάθε νέα ερώτηση προς ένα μοντέλο δημιουργεί πραγματικό μεταβλητό κόστος. Κάθε απάντηση απαιτεί inference, δηλαδή εκτέλεση υπολογισμών σε εξειδικευμένο υλικό. Όσο μεγαλώνει το κείμενο εισόδου, όσο αυξάνεται το παράθυρο συμφραζομένων, όσο ενσωματώνονται εργαλεία συλλογισμού(reasoning) και πολλαπλά βήματα σκέψης, τόσο αυξάνεται το κόστος της χρήσης. Δεν πρόκειται για απλή αποθήκευση ή διανομή ενός έτοιμου αρχείου. Πρόκειται για παραγωγή απάντησης σε πραγματικό χρόνο, με υψηλή κατανάλωση υπολογιστικών πόρων.
Το λάθος της κλιμάκωσης
Η βιομηχανία της ΤΝ οικοδομήθηκε τα τελευταία χρόνια πάνω σε μια σχεδόν δογματική πίστη στους νόμους κλιμάκωσης. Η υπόθεση ήταν απλή: μεγαλύτερα μοντέλα, περισσότερα δεδομένα, περισσότερη υπολογιστική ισχύς, καλύτερα αποτελέσματα. Αυτή η προσέγγιση πράγματι απέδωσε εντυπωσιακά αποτελέσματα. Όμως η μηχανική αποδοτικότητα δεν μετριέται μόνο από το αν κάτι δουλεύει. Μετριέται από το πόσο κοστίζει, πόσο εύκολα αναπαράγεται, πόσο ασφαλώς λειτουργεί, πόσο αντέχει στην κλίμακα και πόσο εξαρτάται από σπάνιους πόρους.
Εδώ βρίσκεται το αδιέξοδο. Τα μεγάλα μοντέλα γίνονται όλο και μεγαλύτερα, αλλά η οριακή βελτίωση δεν αυξάνεται με τον ίδιο ρυθμό. Για να υπάρξει μικρή βελτίωση στην απόδοση, απαιτείται δυσανάλογα μεγάλη αύξηση σε παραμέτρους, δεδομένα, μνήμη, ενέργεια και κόστος. Αυτή είναι κλασική περίπτωση φθινουσών αποδόσεων. Όσο η πρόοδος απαιτεί εκθετικά περισσότερους πόρους, τόσο η τεχνολογία παύει να μοιάζει με ώριμη υποδομή και αρχίζει να μοιάζει με αγώνα εξοπλισμών.
Το ζήτημα γίνεται ακόμη πιο έντονο επειδή τα σημερινά μεγάλα γλωσσικά μοντέλα δεν κλιμακώνονται όπως τα αποδοτικά πληροφοριακά συστήματα. Στην κλασική πληροφορική, η καλή αρχιτεκτονική επιδιώκει να μειώνει το πρόσθετο κόστος κάθε νέου χρήστη ή κάθε νέας μονάδας δεδομένων. Στα LLMs, όμως, η επεξεργασία μεγάλων συμφραζομένων αυξάνει απότομα τον υπολογιστικό φόρτο. Το αποτέλεσμα είναι ένα σύστημα που μπορεί να προσφέρει εντυπωσιακή εμπειρία, αλλά με υποδομή πολύ ακριβότερη από όσο αφήνει να εννοηθεί η καθημερινή χρήση ενός chatbot.
Το κρυφό κόστος: μνήμη, ενέργεια και εξάρτηση
Η παραγωγική ΤΝ δεν καταναλώνει μόνο χρήματα. Καταναλώνει σπάνιους πόρους. Η ζήτηση για επιταχυντές, μνήμη υψηλής απόδοσης, αποθηκευτικά μέσα και εξειδικευμένα κέντρα δεδομένων δημιουργεί πίεση σε ολόκληρη την αγορά υπολογιστικού υλικού. Όταν οι μεγαλύτερες εταιρείες δεσμεύουν τεράστιες ποσότητες εξοπλισμού για την εκπαίδευση και λειτουργία μοντέλων, το κόστος μετακυλίεται σε όλους: ερευνητικά κέντρα, μικρομεσαίες επιχειρήσεις, δημόσιους φορείς, πανεπιστήμια και τελικά πολίτες.
Το ίδιο ισχύει και για την ενέργεια. Τα κέντρα δεδομένων δεν είναι άυλο «νέφος». Είναι βιομηχανικές εγκαταστάσεις υψηλής κατανάλωσης. Χρειάζονται ρεύμα, ψύξη, νερό, δίκτυα, γη και σύνδεση με ενεργειακές υποδομές. Αν η ΤΝ αναπτυχθεί χωρίς αυστηρούς κανόνες αποδοτικότητας, υπάρχει ο κίνδυνος να επιδοτούμε έμμεσα μια τεχνολογία που αυξάνει το κόστος ενέργειας, δεσμεύει δημόσιες υποδομές και εντείνει την εξάρτηση από λίγους παγκόσμιους προμηθευτές υλικού και υπολογιστικού νέφους(cloud).
Για χώρες όπως η Ελλάδα, αυτό δεν είναι θεωρητικό ζήτημα. Αν το Δημόσιο, τα πανεπιστήμια, οι δήμοι, τα νοσοκομεία και οι επιχειρήσεις γίνουν απλοί πελάτες κλειστών, token-based υπηρεσιών ΤΝ, τότε η ψηφιακή εξάρτηση θα βαθύνει. Θα πληρώνουμε διαρκώς για υπολογιστική ισχύ που δεν ελέγχουμε, για μοντέλα που δεν μπορούμε να ελέγξουμε, για δεδομένα που δεν μπορούμε να επιθεωρήσουμε και για υπηρεσίες που μπορούν να αλλάξουν τιμή, όρους χρήσης ή διαθεσιμότητα χωρίς ουσιαστική λογοδοσία.
Η απάντηση δεν είναι λιγότερη ΤΝ, αλλά καλύτερη μηχανική
Η κριτική στην παραγωγική ΤΝ δεν πρέπει να οδηγήσει σε τεχνοφοβία. Το πρόβλημα δεν είναι η ΤΝ ως επιστημονικό πεδίο. Το πρόβλημα είναι η μονοκαλλιέργεια των γιγαντιαίων μοντέλων ως καθολικής λύσης για κάθε πρόβλημα. Δεν χρειάζεται κάθε δημόσια υπηρεσία ένα υπερμέγεθες μοντέλο. Δεν χρειάζεται κάθε εφαρμογή reasoning πολλών δισεκατομμυρίων παραμέτρων. Δεν χρειάζεται κάθε απλό ερώτημα να ταξιδεύει σε κλειστά κέντρα δεδομένων άλλης ηπείρου.
Η εναλλακτική είναι μια αρχιτεκτονική αποδοτικής, ανοικτής και τοπικής ΤΝ. Μικρότερα μοντέλα για συγκεκριμένες εργασίες. Retrieval-Augmented Generation με τεκμηριωμένες πηγές. Mixture-of-Experts όταν χρειάζεται αποδοτική ενεργοποίηση μέρους του μοντέλου. Τοπικά μοντέλα για ευαίσθητα δεδομένα. Νευροσυμβολικές προσεγγίσεις για κανόνες, διοικητικές διαδικασίες και νομική τεκμηρίωση. Εξειδικευμένα μοντέλα για ελληνική γλώσσα, δημόσια έγγραφα, ΦΕΚ, αποφάσεις, συμβάσεις και πολιτιστικά δεδομένα.
Σε αυτή τη λογική, το GlossAPI δεν πρέπει να ιδωθεί απλώς ως εργαλείο μετατροπής εγγράφων σε κείμενο. Μπορεί να αποτελέσει κρίσιμη δημόσια υποδομή για ποιοτικά ελληνικά σύνολα δεδομένων, αξιοποιήσιμα από ανοικτά μοντέλα, τοπικά RAG συστήματα και δημόσιες εφαρμογές ΤΝ. Η επόμενη φάση της ΤΝ δεν θα κριθεί μόνο από το ποιος έχει το μεγαλύτερο μοντέλο. Θα κριθεί από το ποιος μπορεί να παράγει αξιόπιστη γνώση με το μικρότερο δυνατό κόστος, με διαφάνεια, λογοδοσία και δημοκρατικό έλεγχο.
Η παραγωγική ΤΝ, όπως αναπτύσσεται σήμερα, μοιάζει πράγματι με τεχνική καταστροφή: όχι επειδή δεν λειτουργεί, αλλά επειδή λειτουργεί με τρόπο υπερβολικά σπάταλο. Η πραγματική καινοτομία δεν θα είναι να χτίσουμε ακόμα μεγαλύτερα μοντέλα με ακόμα μεγαλύτερα κέντρα δεδομένων. Θα είναι να σχεδιάσουμε ΤΝ που να υπηρετεί την κοινωνία χωρίς να εξαντλεί τους πόρους της. Αποδοτική ΤΝ, ανοικτή ΤΝ, τοπική ΤΝ, δημόσια ελεγχόμενη ΤΝ. Αυτό είναι το πραγματικό τεχνολογικό στοίχημα.
Πηγές άρθρου:
The Atlantic, Generative AI Is an Engineering Disaster: Το άρθρο του Alex Reisner τεκμηριώνει το βασικό επιχείρημα ότι το σημερινό μοντέλο παραγωγικής ΤΝ είναι εξαιρετικά σπάταλο σε μνήμη, υπολογιστική ισχύ, ενέργεια και κόστος, θέτοντας το ζήτημα της τεχνικής αποδοτικότητας στο επίκεντρο της δημόσιας συζήτησης: https://www.theatlantic.com/technology/2026/07/generative-ai-engineering-disaster/687901/,
International Energy Agency, Energy Demand from AI: Η IEA τεκμηριώνει την ταχεία αύξηση της κατανάλωσης ηλεκτρικής ενέργειας από κέντρα δεδομένων και αναδεικνύει γιατί η ΤΝ δεν μπορεί να αντιμετωπίζεται ως άυλη τεχνολογία χωρίς ενεργειακό και περιβαλλοντικό αποτύπωμα: https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai,
Mistral AI, Mixtral of Experts: Η Mistral AI παρουσιάζει το Mixtral 8x7B ως sparse Mixture-of-Experts μοντέλο με ανοικτά βάρη και υψηλή σχέση κόστους προς απόδοση, δείχνοντας ότι η αποδοτικότητα μπορεί να αποτελεί κεντρικό στόχο σχεδιασμού και όχι δευτερεύον χαρακτηριστικό: https://mistral.ai/news/mixtral-of-experts/,
Allen Institute for AI, OLMo: Το OLMo αποτελεί ένα από τα σημαντικότερα παραδείγματα πλήρους ανοικτής προσέγγισης στην ανάπτυξη γλωσσικών μοντέλων, με έμφαση στη διαφάνεια σε όλη τη ροή του μοντέλου και όχι μόνο στη διάθεση του τελικού αποτελέσματος: https://allenai.org/olmo.
For decades the accepted management wisdom has been
for managers to delegate tasks and
for organizations to outsource activities that aren’t core to their operations.
Yet, when the proposed delegate or supplier is an AI agent, these
established practices are suddenly portrayed as irresponsible,
dehumanizing, or even immoral.
Much of this resistance has all the marks of a moral panic:
a novel technology is judged through its most alarming failures, its benefits
are discounted, and its use is treated as crossing a boundary rather
than as another management decision.
Here’s the thing: delegating work to an AI agent is neither inherently
wise nor inherently reckless.
As with human delegation and organizational outsourcing, what matters
is the task, the controls, and who remains accountable.
Η συζήτηση γύρω από την Τεχνητή Νοημοσύνη επικεντρώνεται συνήθως στον ανταγωνισμό μεταξύ εταιρειών όπως η OpenAI, η Google, η Anthropic και η Meta. Ωστόσο, σύμφωνα με τη νέα έκθεση “The State of Open Source AI 2026“ της Mozilla, η πραγματική μάχη δεν αφορά μόνο το ποιος θα δημιουργήσει το ισχυρότερο μοντέλο, αλλά ποιος θα ελέγξει το οικοσύστημα πάνω στο οποίο θα χτιστεί η επόμενη γενιά εφαρμογών AI.
Η έκθεση, που αποτελεί την πρώτη ολοκληρωμένη αποτίμηση της κατάστασης του open source AI από τη Mozilla, καταλήγει σε ένα ξεκάθαρο συμπέρασμα: το ανοικτό λογισμικό δεν αποτελεί πλέον εναλλακτική λύση για χομπίστες, αλλά βασικό πυλώνα της παγκόσμιας αγοράς τεχνητής νοημοσύνης.
Το χάσμα επιδόσεων σχεδόν εξαφανίστηκε
Μέχρι πριν από δύο χρόνια, τα ανοικτά μοντέλα υστερούσαν αισθητά σε σχέση με τα κορυφαία εμπορικά μοντέλα. Σήμερα, σύμφωνα με τη Mozilla, η διαφορά στις συνολικές επιδόσεις έχει περιοριστεί περίπου στο 3,3%, ενώ σε αρκετές εργασίες –όπως ο προγραμματισμός, η γενική γνώση και η εκτέλεση οδηγιών– τα open source μοντέλα βρίσκονται ουσιαστικά στο ίδιο επίπεδο με τις κλειστές λύσεις. Αντίθετα, οι κλειστές πλατφόρμες εξακολουθούν να διατηρούν προβάδισμα σε σύνθετη συλλογιστική, πολύ μεγάλα context windows και πολύπλοκες agentic εφαρμογές.
Με άλλα λόγια, για τη μεγάλη πλειονότητα των επιχειρηματικών εφαρμογών, το ερώτημα δεν είναι πλέον αν τα open models είναι αρκετά καλά, αλλά ποιο μοντέλο ταιριάζει καλύτερα στη συγκεκριμένη χρήση.
Η τεράστια πτώση του κόστους
Ένα από τα σημαντικότερα ευρήματα της έκθεσης αφορά το κόστος χρήσης των μοντέλων AI.
Η τιμή του inference μειώθηκε κατά περίπου 50 φορές μέσα σε τρία χρόνια, από περίπου 20 δολάρια σε μόλις 0,40 δολάρια ανά εκατομμύριο tokens για επιδόσεις επιπέδου GPT-4. Η Mozilla αποδίδει αυτή τη δραματική μείωση κυρίως στην εξάπλωση ανοικτών μοντέλων όπως τα Llama και DeepSeek, τα οποία πίεσαν ολόκληρη την αγορά προς τα κάτω.
Η πτώση αυτή αλλάζει πλήρως τα οικονομικά δεδομένα για επιχειρήσεις που αναπτύσσουν εφαρμογές AI, καθιστώντας εφικτή την ανάπτυξη υπηρεσιών με πολύ χαμηλότερο λειτουργικό κόστος.
Τα open models περνούν στην παραγωγή
Η Mozilla επισημαίνει ότι το open source AI δεν περιορίζεται πλέον στην έρευνα ή στους προγραμματιστές.
Σύμφωνα με την έρευνα που συνοδεύει την έκθεση:
το 79% των developers χρησιμοποιεί ανοικτά μοντέλα,
το 51% έχει ήδη μεταφέρει τέτοιες λύσεις σε παραγωγικό περιβάλλον,
ενώ σχεδόν το 90% των εταιρειών χρησιμοποιεί κάποιο στοιχείο ανοικτού λογισμικού στην AI υποδομή του.
Παρόλα αυτά, η μετάβαση στην παραγωγή εξακολουθεί να δυσκολεύει πολλές επιχειρήσεις. Τα μεγαλύτερα εμπόδια δεν είναι πλέον οι δυνατότητες των μοντέλων αλλά η έλλειψη ώριμων εργαλείων διαχείρισης, ασφάλειας, τεκμηρίωσης και τυποποίησης.
Το επόμενο πεδίο μάχης δεν είναι τα μοντέλα
Ένα από τα πιο ενδιαφέροντα συμπεράσματα της έκθεσης είναι ότι η πραγματική αξία μεταφέρεται πλέον από τα ίδια τα μοντέλα στο λεγόμενο agentic harness.
Πρόκειται για το λογισμικό που αναλαμβάνει να συντονίσει έναν AI agent: τη διαχείριση εργαλείων, τη μνήμη, τα permissions, τα workflows, την επικοινωνία με εξωτερικά συστήματα και τη συνολική εμπειρία χρήσης.
Η Mozilla υποστηρίζει ότι καθώς τα μοντέλα γίνονται ολοένα πιο όμοια μεταξύ τους, αυτό το επίπεδο θα αποτελέσει το νέο ανταγωνιστικό πλεονέκτημα. Εκεί θα κριθεί ποιος θα ελέγξει την αγορά της επόμενης δεκαετίας.
Η γεωπολιτική διάσταση
Η έκθεση αφιερώνει σημαντικό μέρος στη γεωπολιτική του AI.
Η Κίνα επενδύει συστηματικά σε ανοικτά μοντέλα, με οικογένειες όπως τα Qwen και DeepSeek να κυριαρχούν σε λήψεις και χρήση. Παράλληλα, η Ευρωπαϊκή Ένωση αντιμετωπίζει πλέον τα open models ως εργαλείο ψηφιακής κυριαρχίας, χρηματοδοτώντας μεγάλα δημόσια έργα AI και παρέχοντας εξαιρέσεις στο AI Act για ορισμένα ανοικτά συστήματα. Αντίστοιχες στρατηγικές υιοθετούν ο Καναδάς, η Ινδία και δεκάδες ακόμη χώρες, οι οποίες επιδιώκουν να μειώσουν την εξάρτησή τους από αμερικανικές εμπορικές πλατφόρμες.
Οι πέντε προτάσεις της Mozilla
Η Mozilla κλείνει την έκθεση προτείνοντας πέντε βασικές κατευθύνσεις για τη διατήρηση ενός ανοικτού οικοσυστήματος AI:
Ανάπτυξη ανοικτών agent frameworks.
Διατήρηση της μνήμης των AI συστημάτων σε φορητές και ανοικτές μορφές.
Δημιουργία κοινών προτύπων για permissions και ασφάλεια.
Αποφυγή εξάρτησης από ένα μόνο πάροχο μέσω εναλλακτικών ανοικτών λύσεων.
Ενίσχυση ενός πολυκεντρικού οικοσυστήματος ώστε το open source να μην εξαρτάται από έναν μόνο οργανισμό ή χώρα.
Η κυβερνοασφάλεια αποτελεί πλέον βασικό πυλώνα για την προστασία των ερευνητικών και ακαδημαϊκών υποδομών της Ευρώπης. Οι ολοένα και πιο εξελιγμένες κυβερνοαπειλές απαιτούν νέες προσεγγίσεις, ασφαλή περιβάλλοντα δοκιμών και στενή συνεργασία μεταξύ ερευνητών, μηχανικών και οργανισμών. Με αυτόν τον στόχο δημιουργήθηκε τοGÉANT Security Innovation Lab, μια νέα πρωτοβουλία της κοινότητας GÉANT που φιλοδοξεί να επιταχύνει την καινοτομία στον τομέα της κυβερνοασφάλειας.
Το GÉANT Security Innovation Lab αποτελεί ένα εξειδικευμένο εργαστήριο πειραματισμού, σχεδιασμένο για την ανάπτυξη, δοκιμή και αξιολόγηση νέων τεχνολογιών ασφάλειας σε ένα ελεγχόμενο περιβάλλον. Σε αντίθεση με τα παραγωγικά δίκτυα, όπου κάθε αλλαγή ενέχει κινδύνους, το εργαστήριο προσφέρει έναν ασφαλή χώρο όπου μπορούν να υλοποιηθούν καινοτόμες ιδέες χωρίς να επηρεάζονται οι πραγματικές υπηρεσίες.
Παράλληλα, λειτουργεί ως σημείο συνάντησης για τα Εθνικά Δίκτυα Έρευνας και Εκπαίδευσης (NRENs), ερευνητικά ιδρύματα και ομάδες ανάπτυξης που επιθυμούν να συνεργαστούν σε νέες λύσεις κυβερνοασφάλειας.
Σύγχρονη τεχνική υποδομή
Το εργαστήριο στηρίζεται σε μια ευέλικτη τεχνική υποδομή που συνδυάζει διακομιστές, πλατφόρμες εικονικοποίησης και δικτυακό εξοπλισμό. Όλα αυτά συνδέονται μέσω μιας αποκλειστικής ζεύξης με τον κορμό δικτύου (backbone) της GÉANT.
Η συγκεκριμένη αρχιτεκτονική επιτρέπει τη δημιουργία σύνθετων σεναρίων δοκιμών, την αξιολόγηση εργαλείων ανίχνευσης απειλών, τη μελέτη επιθέσεων και την ανάπτυξη νέων μηχανισμών άμυνας απέναντι σε σύγχρονες κυβερνοεπιθέσεις.
Η αρχική συνδεσιμότητα, μέσω του DFN-CERT, έχει ήδη επιτρέψει εξωτερική πρόσβαση, ενώ το πρώτο μηχάνημα του εργαστηρίου είναι πλέον προσβάσιμο από το δημόσιο διαδίκτυο μέσω της διαδρομής της GÉANT. Όταν ολοκληρωθεί, η πλήρης σύνδεση με τον κορμό της GÉANT θα προσφέρει τη σταθερή και αποκλειστική συνδεσιμότητα που απαιτείται για πιο προχωρημένο πειραματισμό.
Μεταξύ των πρώτων εφαρμογών περιλαμβάνονται πειράματα που σχετίζονται με:
προστασία από επιθέσεις DDoS,
δοκιμές νέων εργαλείων κυβερνοασφάλειας,
ανάλυση και προσομοίωση απειλών,
ανάπτυξη και αξιολόγηση καινοτόμων τεχνολογιών προστασίας δικτύων.
Το εργαστήριο προσφέρει τη δυνατότητα στους ερευνητές να μετατρέψουν νέες ιδέες σε εφαρμόσιμες λύσεις μέσα από πραγματικές δοκιμές και συνεργασία με την ευρωπαϊκή κοινότητα κυβερνοασφάλειας.
Το εργαστήριο φιλοξενεί ήδη πέντε καθορισμένα πειραματικά έργα, ενώ νέες ιδέες προκύπτουν από τις συζητήσεις στα Security Days 2026. Ένα ιδιαίτερα ελπιδοφόρο αποτέλεσμα είναι ένα προγραμματισμένο πείραμα σχετικά με επιθέσεις DDoS, το οποίο διαμορφώνεται σε μία από τις πρώτες ολοκληρωμένες περιπτώσεις χρήσης της νέας υποδομής.
Η απόφαση του PlayStation να σταματήσει την παραγωγή φυσικών δίσκων είναι το πιο πρόσφατο πλήγμα στα ήδη συρρικνωμένα δικαιώματά μας πάνω στον ψηφιακό πολιτισμό. Την ευθύνη τη μοιράζονται οι εταιρείες, που κυνηγούν διαρκή έσοδα από «ενοίκια», και οι νομοθέτες, που αδρανούν — και οι δύο πλευρές μπορούν να κάνουν καλύτερα τη δουλειά τους.
Το σενάριο το έχουμε ξαναδεί, στη μετάβαση του κινηματογράφου, της τηλεόρασης και της μουσικής στην ψηφιακή διανομή: πρώτα κερδίζεις τον πελάτη με την ευκολία της ψηφιακής αγοράς, έπειτα περιορίζεις τη φυσική πρόσβαση και, σιγά σιγά, αλλάζεις τους όρους του παιχνιδιού ως προς το τι σημαίνει πραγματικά «κατέχω» κάτι. Ο τελικός στόχος είναι ο αγοραστής να γίνει ενοικιαστής, δεμένος με συνδρομές που πρέπει να πληρώνει για να μη χάσει την πρόσβασή του. Οι gamers δικαίως χτυπούν καμπανάκι — και είναι η κατάλληλη στιγμή να διεκδικήσουμε την ψηφιακή ιδιοκτησία, πριν να είναι πολύ αργά.
Όταν τα gigabytes γίνονται πολυτέλεια
Η κατάργηση των φυσικών δίσκων έχει και ένα άμεσο, πολύ πρακτικό κόστος: τα δεδομένα. Σε αντίθεση με τις ταινίες και τις σειρές, τα βιντεοπαιχνίδια απαιτούν τεράστιο όγκο αποθήκευσης. Η πρόσβαση σε γρήγορο ίντερνετ παραμένει προβληματική σε πολλές περιοχές, κι έτσι οι ταχύτητες που χρειάζεται το κατέβασμα ενός σύγχρονου παιχνιδιού είναι πολυτέλεια που πολλοί θεωρούμε —λανθασμένα— δεδομένη. Για αρκετό κόσμο, η λήψη ενός σημερινού τίτλου μπορεί να κρατήσει μέρες και να εξαντλήσει το όριο δεδομένων της σύνδεσής του.
Γι’ αυτό και οι φυσικοί δίσκοι, ειδικά για τους μεγάλους τίτλους ΑΑΑ, ήταν μια λογική επιλογή που ταυτόχρονα προστάτευε και τα παραδοσιακά δικαιώματα ιδιοκτησίας: με τον δίσκο στο χέρι, το «πού αποθηκεύεται το παιχνίδι» ήταν ήδη πληρωμένο μαζί με την αγορά.
Τα φυσικά μέσα συνοδεύονται από το λεγόμενο «δικαίωμα πρώτης πώλησης»: μπορείς νόμιμα να δανείσεις, να μεταπωλήσεις, να τροποποιήσεις, ακόμη και να καταστρέψεις το δικό σου αντίτυπο ενός έργου. Το ίδιο δικαίωμα έχει προστατεύσει και τους ανεξάρτητους κοινοτικούς servers, καθώς και τους emulators που προσθέτουν online παιχνίδι σε τίτλους της εποχής του dial-up.
Τα αμερικανικά δικαστήρια, όμως, έχουν κρίνει ότι το δικαίωμα αυτό δεν καλύπτει τα ψηφιακά μέσα. Έτσι, οι ψηφιακές αγορές μένουν απροστάτευτες: το αν μπορείς να μοιραστείς ένα παιχνίδι με έναν φίλο ή να το αφήσεις στα παιδιά σου εξαρτάται αποκλειστικά από τη διάθεση του εκάστοτε διανομέα.
Στην πράξη, το αποκλειστικά ψηφιακό μοντέλο εξαφανίζει την αγορά μεταχειρισμένων. Δεν υπάρχει πια η επιλογή να πάρεις ένα παιχνίδι φθηνότερα από δεύτερο χέρι, ούτε να ξαναβγάλεις μέρος των χρημάτων σου μεταπωλώντας το. Ακόμη και με τις πιο γενναίες εκπτώσεις, αυτό ανεβάζει το ελάχιστο κόστος για να ασχοληθεί κανείς με το μέσο συνολικά.
Και η αναπόφευκτη κατάληξη; Το κλείδωμα των παικτών σε συνδρομητικά μοντέλα, όπου η πρόσβαση εξαρτάται ολοκληρωτικά από τον διανομέα — ή, πιθανότερα, από πολλούς διανομείς ταυτόχρονα, όπως έγινε με τις πλατφόρμες streaming. Μια χούφτα εταιρείες θα κατέχουν στην πραγματικότητα τα παιχνίδια, κι εσύ θα πληρώνεις κάθε μήνα για κατακερματισμένες βιβλιοθήκες με τίτλους που ίσως δεν παίξεις ποτέ και που, πάντως, δεν θα σου ανήκουν ποτέ.
Κλειδωμένο «επίτευγμα»
Επειδή τα ψηφιακά παιχνίδια αντιγράφονται εύκολα, διανομείς και εκδότες επικαλούνται τον αγώνα κατά της πειρατείας. Η ειρωνεία είναι ότι τα «θύματα» αυτού του αγώνα είναι σταθερά οι νομοταγείς πελάτες.
Οι περισσότεροι ψηφιακοί διανομείς κλειδώνουν το περιεχόμενό τους με περιοριστικούς όρους χρήσης και λογισμικό DRM (διαχείρισης ψηφιακών δικαιωμάτων). Το DRM επιβάλλει επαχθείς περιορισμούς — από την υποχρεωτική σύνδεση στο ίντερνετ ακόμη και σε single-player παιχνίδια μέχρι παρεμβάσεις που ρίχνουν τις επιδόσεις — ενώ μπορεί να δημιουργήσει και σοβαρά ζητήματα ιδιωτικότητας και ασφάλειας. Και όποιος παίκτης ή ερευνητής στις ΗΠΑ επιχειρήσει να αφαιρέσει ή να τροποποιήσει αυτό το DRM κινδυνεύει με μήνυση, χάρη στο άρθρο 1201 του νόμου DMCA (Digital Millennium Copyright Act). Ο ομοσπονδιακός αυτός νόμος καθιστά παράνομη την παράκαμψη του DRM και αποτελεί το αγαπημένο εργαλείο των εταιρειών που θέλουν να ελέγχουν τι κάνουμε με όσα νόμιμα αγοράσαμε — είτε πρόκειται για τον τελευταίο προσομοιωτή τρακτέρ είτε για ένα κανονικό, αληθινό τρακτέρ.
Κι επειδή το DRM είναι συνήθως δεμένο με τον λογαριασμό του χρήστη, η «ιδιοκτησία» ενός παιχνιδιού μπορεί να ανακληθεί ή να αλλάξει για δεκάδες λόγους που δεν ελέγχεις. Απέτυχε μια χρέωση της συνδρομής σου; Σου χάκαραν τον λογαριασμό; Χάλασε μια συμφωνία αδειοδότησης με κάποιον εκδότη; Αποφάσισαν οι developers να «σκοτώσουν» το παιχνίδι με ένα update; Όλα αυτά μπορούν να σου περιορίσουν ή να σου κόψουν την πρόσβαση, πολύ καιρό μετά την υποτιθέμενη «αγορά» σου.
Η ανάγκη για νέα νομοθεσία
Ολοένα και περισσότερες οργανώσεις προστασίας ψηφιακών δικαιωμάτων ζητούν την αναθεώρηση της νομοθεσίας ώστε τα δικαιώματα που ισχύουν για τα φυσικά προϊόντα να επεκταθούν και στα ψηφιακά αγαθά.
Οι προτάσεις περιλαμβάνουν μεγαλύτερη διαφάνεια στις ψηφιακές αγορές, σαφή ενημέρωση των καταναλωτών σχετικά με το τι ακριβώς αγοράζουν, αλλά και προστασία της πρόσβασης σε παιχνίδια που αποσύρονται από τις πλατφόρμες ή εγκαταλείπονται από τους εκδότες τους.
Στη σύγχρονη ψηφιακή εποχή, η εύκολη πρόσβαση στη νομοθεσία και η αποτελεσματική ανταλλαγή νομικών πληροφοριών αποτελούν βασικές προϋποθέσεις για τη διαφάνεια, τη δημοκρατία και τη χρηστή διακυβέρνηση. Για τον σκοπό αυτό, η Ευρωπαϊκή Ένωση ανέπτυξε το European Legislation Identifier (ELI), μια πρωτοβουλία που διευκολύνει την αναζήτηση, την πρόσβαση και την επαναχρησιμοποίηση νομοθετικών εγγράφων σε ολόκληρη ... Read more
Οι εκδηλώσεις δεν σταματούν καθώς αυτήν την εβδομάδα πραγματοποιούνται εκδηλώσεις στην Ελλάδα και στο εξωτερικό για τις ανοιχτές τεχνολογίες και την καινοτομία! Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) σας προτείνει να τις παρακολουθήσετε και να τις διαδώσετε. Μπορείτε επίσης να δείτε περισσότερες εκδηλώσεις για τις επόμενες εβδομάδες ή να καταχωρίσετε τη δική σας εκδήλωση στο: https://ellak.gr/events.
Οι χρήστες του διαδικτύου αναζητούν συνεχώς μεγαλύτερο έλεγχο πάνω στην εμπειρία τους στα κοινωνικά δίκτυα, είτε για λόγους ιδιωτικότητας είτε για μεγαλύτερη ευελιξία. Η διαλειτουργικότητα ανάμεσα σε πλατφόρμες όπως το Facebook και το TikTok θα μπορούσε να λύσει πολλά από αυτά τα προβλήματα: ένας χρήστης θα μπορούσε να μεταπηδήσει σε μια πλατφόρμα με καλύτερες πρακτικές ιδιωτικότητας χωρίς να χάσει την επαφή με φίλους που παραμένουν σε μεγαλύτερα δίκτυα, ενώ θα μπορούσε να ανοίξει τον δρόμο και για ανεξάρτητες εφαρμογές με περισσότερες επιλογές για τον χρήστη. Αυτές είναι ακριβώς οι δυνατότητες που θα έπρεπε να προσφέρει ο Νόμος για τις Ψηφιακές Αγορές της ΕΕ (Digital Markets Act – DMA) του 2022.
Μια απογοητευτική απόφαση
Ωστόσο, στην πρώτη της επίσημη αξιολόγηση του DMA, η Ευρωπαϊκή Επιτροπή ανακοίνωσε τον Απρίλιο ότι αποφάσισε να μην επεκτείνει την υποχρέωση διαλειτουργικότητας στα κοινωνικά δίκτυα, χωρίς μάλιστα να θέσει κάποιο χρονοδιάγραμμα εφαρμογής στο μέλλον. Η αιτιολογία της Επιτροπής ήταν διπλή: αφενός ότι δεν υπάρχει σαφής ζήτηση από χρήστες και επιχειρήσεις για διαλειτουργικότητα στα κοινωνικά δίκτυα, αφετέρου ότι το εγχείρημα είναι, προς το παρόν, τεχνικά πολύ περίπλοκο. Στο μεταξύ, οι μεγάλες πλατφόρμες που εδώ και δύο χρόνια καθυστερούν σκόπιμα την υλοποίηση διαλειτουργικών λύσεων, στήνοντας κάθε λογής εμπόδια σε όσους θέλουν περισσότερη ελευθερία επιλογής, γλιτώνουν από κάθε πίεση.
Το EFF χαρακτηρίζει την απόφαση αυτή μεγάλη απογοήτευση και χαμένη ευκαιρία. Η διαλειτουργικότητα, υποστηρίζει, καταργεί ένα από τα μεγαλύτερα εμπόδια που αντιμετωπίζουν όσοι θέλουν να εγκαταλείψουν τις πλατφόρμες των τεχνολογικών κολοσσών: το δίλημμα ανάμεσα στο να μετακομίσεις σε μια πλατφόρμα που προτιμάς ή να μείνεις πίσω, εκεί όπου βρίσκονται ήδη οι φίλοι, οι κοινότητες και οι πελάτες σου.
Τι προβλέπει ο DMA
Ο DMA, που τέθηκε σε ισχύ το 2024, στοχεύει στην ενίσχυση των επιλογών των χρηστών της ΕΕ και στην τόνωση του ανταγωνισμού και της καινοτομίας, υποχρεώνοντας τις λεγόμενες πλατφόρμες «θυρωρούς» (gatekeepers) — όπως η Meta, η Apple και η Google — να ανοίξουν τα οικοσυστήματά τους σε ανταγωνιστές. Ο κανονισμός προωθεί σε μεγάλο βαθμό την ενσωμάτωση ανταγωνιστικών υπηρεσιών και συσκευών με τα οικοσυστήματα των πολύ μεγάλων διαδικτυακών πλατφορμών, φτάνοντας μάλιστα στο σημείο να επιβάλλει διαλειτουργικότητα στις υπηρεσίες ανταλλαγής μηνυμάτων, παρά τις σημαντικές τεχνικές και σχετικές με την ιδιωτικότητα προκλήσεις που αυτό συνεπάγεται.
Γι’ αυτόν ακριβώς τον λόγο, το επιχείρημα της «τεχνικής πολυπλοκότητας» φαντάζει παράδοξο ως δικαιολογία για την αποφυγή αντίστοιχης ρύθμισης στα κοινωνικά δίκτυα — το διαδίκτυο ήδη λειτουργεί πάνω σε πολύπλοκα διαλειτουργικά συστήματα. Το EFF αναφέρει ως παράδειγμα το πρωτόκολλο ActivityPub, τη βάση του αποκεντρωμένου «Fediverse» που έδωσε ζωή σε δίκτυα όπως το Mastodon. Ο DMA δεν χρειάζεται να επιβάλει ένα συγκεκριμένο πρωτόκολλο, μπορεί όμως να απαιτήσει ουσιαστικά αποτελέσματα διαλειτουργικότητας.
Το επιχείρημα περί «έλλειψης ζήτησης»
Ούτε το επιχείρημα περί ανύπαρκτης ζήτησης στέκει, σύμφωνα με το EFF. Οι χρήστες θέλουν τη δυνατότητα να μετακινούνται ανάμεσα σε πλατφόρμες, να επιλέγουν το περιεχόμενο που βλέπουν και να μην είναι δέσμιοι μιας και μόνης υπηρεσίας. Το πρόβλημα είναι ότι δεν υπάρχει σήμερα κανένας πρακτικός τρόπος να συμβεί αυτό, αφού οι πλατφόρμες κάνουν ελάχιστα βήματα για να ανοίξουν τα οικοσυστήματά τους — και τώρα ο ίδιος ο επόπτης εφαρμογής του DMA δηλώνει ότι δεν θα τις αναγκάσει να αλλάξουν. Η ζήτηση για εναλλακτικές λύσεις, επισημαίνει το EFF, δεν πρόκειται να εμφανιστεί μαζικά αν οι χρήστες δεν δουν πρώτα πραγματική πρόοδο προς τη διαλειτουργικότητα — κάτι που η Επιτροπή έχει τη δύναμη να διασφαλίσει.
Η Επιτροπή, έχοντας κρίνει ότι η ζήτηση είναι μικρή και η πολυπλοκότητα μεγάλη, δήλωσε πως «θα συνεχίσει να παρακολουθεί και να αξιολογεί» πώς εξελίσσονται αυτές οι υπηρεσίες. Η στάση αναμονής αυτή, σύμφωνα με το EFF, βλάπτει μόνο τους χρήστες και ενισχύει περαιτέρω τη θέση των κατεστημένων τεχνολογικών κολοσσών.
Αντίσταση και από άλλα μέτωπα
Ο DMA υποτίθεται πως έχει στο επίκεντρό του τα δικαιώματα των χρηστών τεχνολογίας — έναν διαδικτυακό κόσμο όπου ο καθένας αποφασίζει ποιο λογισμικό τρέχει στη συσκευή του, όπου είναι εύκολο να βρεις τα καλύτερα προϊόντα και υπηρεσίες, και όπου μπορείς να αφήσεις μια πλατφόρμα για μια καλύτερη χωρίς να χάσεις τις κοινωνικές σου σχέσεις.
Παράλληλα, οι Big Tech αντιστέκονται και σε άλλες απαιτήσεις ανοίγματος που επιβάλλει ο DMA. Η Apple, για παράδειγμα, οφείλει να ανοίξει τις συσκευές iOS σε εναλλακτικά app store, όμως το σχέδιό της επιβάλλει «κρυφές» χρεώσεις και δυσβάσταχτους όρους στους δημιουργούς εφαρμογών, καθιστώντας το ουσιαστικά απρόσιτο για οποιονδήποτε ανταγωνιστή.
Ούτε η Apple είναι η μόνη που αντιδρά. Η Meta απάντησε με ένα σύστημα «πλήρωσε για ιδιωτικότητα»: όσοι χρήστες δεν συναινούν στην παρακολούθησή τους από τη Meta πρέπει είτε να πληρώσουν για να χρησιμοποιήσουν την υπηρεσία είτε να αποκλειστούν από αυτήν — ένα σχέδιο του οποίου η συμβατότητα με τον DMA παραμένει υπό εξέταση. Πουθενά στον DMA δεν αναφέρεται ότι οι εταιρείες κοινωνικής δικτύωσης έχουν το δικαίωμα να στήσουν «διόδια» σε όσους θέλουν να απολαύσουν τα δικαιώματα ιδιωτικότητας που τους παρέχει η νομοθεσία. Ο επικείμενος Νόμος για την Ψηφιακή Δικαιοσύνη (Digital Fairness Act) της ΕΕ αποτελεί μια ακόμη ευκαιρία να χαρακτηριστούν τέτοιες πρακτικές αθέμιτες.
Η Επιτροπή έχει απαντήσει σε αυτές τις εξελίξεις με έρευνες, προκαταρκτικές αποφάσεις και πρόστιμα. Ωστόσο, όσο η κατάσταση αυτή συνεχίζεται, οι χρήστες χάνουν την ευκαιρία για μεγαλύτερη ελευθερία επιλογής και ευελιξία στον τρόπο που επικοινωνούν και συνδέονται online.
Το λογισμικό ανοιχτού κώδικα κέρδισε τη μάχη της διανομής. Τώρα, πρέπει να κερδίσει τη μάχη της διασφάλισης και της εμπιστοσύνης. Με βάση την κεντρική ομιλία του Hans de Raad στο openSUSE Conference 2026, η ευρωπαϊκή ψηφιακή πολιτική και το τοπίο του Cybersecurity αλλάζουν ριζικά. Τι συμβαίνει όταν ένα εργαλείο δεν έχει μολυνθεί από κακόβουλο κώδικα, αλλά οι μηχανισμοί διακυβέρνησης και εμπιστοσύνης γύρω από αυτό καταρρέουν;
Η περίπτωση του GSD και η "Αντιστροφή της κατάστασης εμπιστοσύνης" (Trust-State Inversion)
Τον Μάιο του 2026, το οικοσύστημα των AI agents ήρθε αντιμέτωπο με ένα εξαιρετικά διδακτικό περιστατικό. Το "GSD" (Get Shit Done), ένα εξαιρετικά δημοφιλές open-source framework για AI coding runtimes (όπως το Claude Code), αντιμετώπισε μια κρίση. Ο αρχικός maintainer εξαφανίστηκε τον Απρίλιο, οι λογαριασμοί κοινωνικής δικτύωσης διαγράφηκαν, και ένα κρυπτονόμισμα (token) συνδεδεμένο με το έργο ενεπλάκη σε οικονομική απάτη τύπου "rug pull".
Το ενδιαφέρον είναι ότι ο κώδικας παρέμεινε απολύτως καθαρός. Ανεξάρτητοι έλεγχοι ασφαλείας στο fork της κοινότητας επιβεβαίωσαν ότι δεν υπήρχε κανένα backdoor ή κακόβουλο payload. Αν το μοντέλο απειλών σας περιορίζεται στο "σαρώνω τον κώδικα για malware", το GSD θα περνούσε με άριστα. Ωστόσο, ο πραγματικός κίνδυνος κρυβόταν στο ποιος κρατούσε τα κλειδιά για τη δημοσίευση ενημερώσεων στο αρχικό registry.
Αυτό ονομάζεται Trust-State Inversion (Αντιστροφή Κατάστασης Εμπιστοσύνης). Ορατά, το artifact φαίνεται ασφαλές, αλλά οι σχέσεις εμπιστοσύνης (διακυβέρνηση, κλειδιά, οικονομικά κίνητρα) έχουν καταρρεύσει. Για εργαλεία AI που έχουν δικαιώματα στο shell, στα αρχεία και στα credentials του προγραμματιστή, η ακτίνα έκρηξης μιας μελλοντικής "κακόβουλης ενημέρωσης" είναι τεράστια.
Τα διδάγματα από το xz-utils και τα AI εργαλεία
Αν το GSD ανέδειξε τους κινδύνους της απευθείας εγκατάστασης από τα registries και τα AI εργαλεία, το backdoor στο xz-utils (CVE-2024-3094) ανέδειξε την ευπάθεια στην κλασική αλυσίδα διανομής. Στο xz, ένας επιτιθέμενος, έχοντας κερδίσει την εμπιστοσύνη ως co-maintainer, εισήγαγε κακόβουλο κώδικα στα release tarballs (ο οποίος δεν υπήρχε στο public source repository), στοχεύοντας άμεσα το σύστημα SSH των διανομών Linux.
Και οι δύο περιπτώσεις καταλήγουν στο ίδιο συμπέρασμα: Η διασφάλιση του ανοιχτού κώδικα δεν αφορά πλέον μόνο τη σάρωση κώδικα. Αφορά τη διακυβέρνηση της αλυσίδας εξουσιοδότησης γύρω από αυτόν. Επιπλέον, το πρόβλημα του "slopsquatting", όπου εργαλεία τεχνητής νοημοσύνης προτείνουν λανθασμένα πακέτα που επιτιθέμενοι έχουν ήδη καταχωρήσει, αυξάνει τους κινδύνους στην εφοδιαστική αλυσίδα λογισμικού.
Ο Ευρωπαϊκός "Τρίτος Δρόμος" και το Cyber Resilience Act (CRA)
Η Ευρώπη δεν επιδιώκει την ψηφιακή αυταρκία, ούτε την τυφλή εξάρτηση από ξένους παρόχους. Ο "Τρίτος Δρόμος" αφορά τη δημιουργία μιας αγοράς εμπιστοσύνης βασισμένης σε ανοιχτά πρότυπα, ανοιχτό κώδικα και κυβερνοασφάλεια.
Στην καρδιά αυτού του σχεδίου βρίσκεται το Cyber Resilience Act (CRA), το οποίο μετατρέπει την κυριαρχία του λογισμικού σε πρόβλημα αποδεικτικών στοιχείων. Μερικά κρίσιμα ορόσημα για τους κατασκευαστές και τους διανομείς:
11 Σεπτεμβρίου 2026: Οι κατασκευαστές πρέπει να αναφέρουν ενεργά εκμεταλλεύσιμες ευπάθειες μέσω του ENISA Single Reporting Platform. Μια αρχική προειδοποίηση απαιτείται εντός 24 ωρών και μια πλήρης αναφορά εντός 72 ωρών.
Ουσιαστικές τροποποιήσεις: Εάν ένας integrator πάρει μια διανομή (όπως το openSUSE), την τροποποιήσει ουσιαστικά, της βάλει το δικό του brand και τη διαθέσει στο εμπόριο, γίνεται νομικά ο "κατασκευαστής" με όλες τις υποχρεώσεις του CRA.
Μικρομεσαίες Επιχειρήσεις (SMEs): Μια μικρή εταιρεία που κατασκευάζει προϊόντα πάνω σε Linux μπορεί να βρεθεί να φέρει το βάρος της συμμόρφωσης για components που συντηρούνται από εθελοντές στο upstream. Για αυτό, η διασφάλιση σε επίπεδο οικοσυστήματος είναι επιτακτική.
Stewards (Επιμελητές) και πρότυπα M/606. Χτίζοντας το πλαίσιο εμπιστοσύνης
Το ανοιχτό λογισμικό δεν είναι από μόνο του κυρίαρχο. Για να λειτουργήσει το CRA χωρίς να "πνίξει" την καινοτομία, η κοινότητα (όπως το Eclipse Foundation) πίεσε και πέτυχε τη δημιουργία του ρόλου του Open-Source Software Steward. Ο steward δεν είναι ένας ρυθμιστής που επιβάλλει πολιτικές. Είναι μια γέφυρα που παρέχει υποδομές, νομική συνέχεια και συντονισμό διαχείρισης ευπαθειών, κάνοντας τις ήδη υπάρχουσες πρακτικές του έργου εμφανείς στους downstream χρήστες.
Παράλληλα, δημιουργούνται τα εναρμονισμένα πρότυπα (M/606). Πρότυπα που αφορούν browsers, password managers, και boot managers επηρεάζουν άμεσα το λογισμικό που κατασκευάζουν οι διανομές. Εάν η κοινότητα του ανοιχτού κώδικα δεν συμμετάσχει στη συγγραφή τους, κινδυνεύει να αξιολογηθεί με βάση τις αυστηρές υποθέσεις που ισχύουν για το ιδιόκτητο/κλειστό (proprietary) λογισμικό.
Mean Time to Evidence (MTTE): Ο νέος κρίσιμος δείκτης
Δεν αρκεί πλέον το πόσο γρήγορα βγαίνει ένα patch. Η νέα μετρική είναι το Mean Time to Evidence: ο χρόνος που μεσολαβεί από ένα περιστατικό ασφαλείας μέχρι την ύπαρξη ενός υπερασπίσιμου και αποδοτέου αρχείου για το τι συνέβη και ποιες εκδόσεις επηρεάστηκαν. Αν η καθυστέρηση παραγωγής αποδείξεων οδηγήσει σε νομική καθυστέρηση αναφοράς (βάσει του 24ωρου κανόνα του CRA), η εταιρεία εκτίθεται σε τεράστιο ρίσκο.
Evidence-In, Trust-Out: Η εμπιστοσύνη δεν είναι κάτι που απαιτείται αυθαίρετα. Προκύπτει από αποδείξεις. Ένα έργο που παράγει Machine-readable Security Advisories, SBOMs (Software Bill of Materials) και VEX documents (Exploitability records), αποτελεί αξιόπιστο κρίκο.
Η ανάγκη για χρηματοδότηση και το μοντέλο του Sovereign Tech Agency
Όλες αυτές οι απαιτήσεις συμμόρφωσης, διαχείρισης ευπαθειών και release engineering δεν είναι καθόλου "glamorous", αλλά είναι θεμελιώδεις. Το ανοιχτό λογισμικό προσθέτει 65 έως 95 δισεκατομμύρια ευρώ ετησίως στην ευρωπαϊκή οικονομία, αλλά το ένα τρίτο των maintainers δεν πληρώνεται.
Η λύση έρχεται από μοντέλα όπως το γερμανικό Sovereign Tech Agency, το οποίο έχει επενδύσει περίπου 34 εκατομμύρια ευρώ (έως τις αρχές του 2026) σε υποδομές ανοιχτού κώδικα, χρηματοδοτώντας κρίσιμα projects όπως το curl (το απόλυτο θετικό παράδειγμα security discipline) και τεχνολογίες του KDE Plasma (με επένδυση περίπου 1,2 εκατ. ευρώ).
4 Βήματα (Loops) για εταιρείες στο σύγχρονο Open Source τοπίο
Για να προσαρμοστούν οι επιχειρήσεις με ασφάλεια σε αυτήν τη νέα πραγματικότητα (και στη χρήση AI εργαλείων), απαιτούνται 4 επιχειρησιακοί κύκλοι:
The Adoption Loop: Πριν υιοθετήσετε ένα εργαλείο, καταγράψτε ποιος ελέγχει το registry του, αν έχει security policy και αν υπάρχουν οικονομικά κίνητρα (όπως tokens) που μπορεί να διαστρεβλώσουν τη διακυβέρνησή του.
The Runtime Loop: Κάντε "pin" σε συγκεκριμένες εκδόσεις. Περιορίστε τα AI agent development εργαλεία σε sandboxes (containers/VMs) και κρατήστε τα μακριά από τα production secrets σας (SSH keys, cloud credentials). Απαιτήστε ανθρώπινη έγκριση για αλλαγές στα lockfiles.
The Response Loop: Δημιουργήστε ένα playbook για την κατάρρευση εμπιστοσύνης (Maintainer-trust-collapse playbook), όχι μόνο για ευπάθειες. Αν χαθεί η εμπιστοσύνη, πρέπει να ξέρετε άμεσα πού τρέχει το εργαλείο για να το απομονώσετε.
The Evidence Loop (για το CRA): Προετοιμαστείτε για το deadline του Σεπτεμβρίου 2026. Διατηρήστε component inventories, παρακολουθήστε το upstream, και δοκιμάστε το reporting pipeline σας πολύ πριν την πρώτη πραγματική κρίση.
Ο εόλος των διανομών (π.χ. openSUSE) και οι Δημόσιες Συμβάσεις (Procurement)
Μια ώριμη διανομή Linux, όπως το openSUSE, αποτελεί το απόλυτο λειτουργικό μοντέλο για τη συμμόρφωση. Με το Open Build Service, τα Reproducible Builds (που αποτρέπουν επιθέσεις τύπου xz), και τα υπογεγραμμένα πακέτα, οι διανομές ήδη παρέχουν το επίπεδο διασφάλισης που απαιτούν οι νέοι κανονισμοί.
Η στρατηγική όμως πρέπει να μετατραπεί σε ζήτηση. Παραδείγματα όπως η πολιτεία του Schleswig-Holstein στη Γερμανία, που μεταφέρει δεκάδες χιλιάδες σταθμούς εργασίας στο Linux (KDE Plasma) και στο LibreOffice, αποδεικνύουν ότι οι δημόσιες συμβάσεις δημιουργούν μια βιώσιμη αγορά για την ψηφιακή κυριαρχία. Ωστόσο, η υιοθέτηση χωρίς διασφάλιση απλώς μετατοπίζει την εξάρτηση.
Συμπέρασμα: Show me the record
Ο ανοιχτός κώδικας κέρδισε τη διανομή επειδή μπορούσε να χρησιμοποιηθεί παντού. Θα κερδίσει την επόμενη φάση (αυτήν της εποχής των AI agents και του CRA) μόνο αν μπορεί να εμπιστευτεί παντού. Όπως αποδείχθηκε περίτρανα στο GSD, ένα καθαρό scan δεν αρκεί. Η πραγματική ασφάλεια φαίνεται στην ερώτηση: "Δείξε μου το αρχείο (Show me the record)". Η δουλειά όλων μας πλέον, από την κοινότητα μέχρι το enterprise, είναι να οικοδομήσουμε αυτήν την κυρίαρχη διασφάλιση ανοιχτού κώδικα.
Την τελευταία Δευτέρα του Ιουνίου βικιπαιδιστές και φίλοι της φωτογραφίας, από την Ελλάδα και το εξωτερικό, συγκεντρώθηκαν στην Θεσσαλονίκη για την εκδήλωση απονομής βραβείων των διαγωνισμών Wiki Loves Monuments 2025, Wiki Loves Earth 2025 και Wiki Science Competition 2025. Τόσο οι διαγωνισμοί, όσο και η βράβευση διοργανώθηκαν από την Κοινότητα Βικιπαιδιστών Ελλάδας.
Η εκδήλωση ξεκίνησε με μία σύντομη παρουσίαση των εγχειρημάτων του Wikimedia (Βικιπαίδεια, Commons κ.α.) γενικότερα και των δράσεων της κοινότητας ειδικότερα (μαραθώνιοι λημματογράφησης, διαγωνισμοί, CEE meeting).
Έπειτα ακολούθησε η απονομή καθαυτή. Οι νικητές, μαζί με την παραλαβή των φωτογραφιών τους εκτυπωμένων σε μορφή poster, είχαν την ευκαιρία να αναφερθούν στο έργο τους και να εξηγήσουν πώς προέκυψε, τι απεικονίζει και πολλά ακόμα ενδιαφέροντα. Παρευρέθηκαν φωτογράφοι που διακρίνονταν για πρώτη φορά σε διαγωνισμούς, αλλά και πιο έμπειροι, που έχουν ξεχωρίσει ξανά στο παρελθόν και μάλιστα και σε παγκόσμιο επίπεδο.
Μετά το πέρας της βράβευσης ακολούθησαν συζητήσεις μεταξύ των συμμετεχόντων, ενώ διαθέσιμα ήταν σνακ και αναψυκτικά. Έγιναν αναφορές τόσο σε φωτογραφικά ζητήματα, όσο και σε θέματα τις κοινότητας, όπως επερχόμενες δράσεις. Σημειώνεται επίσης ότι διατηρήθηκαν και δεύτερα αντίτυπα των εικόνων για ενδεχόμενη μελλοντική έκθεση.
Η συζήτηση γύρω από την τεχνολογική κυριαρχία της Ευρώπης έχει αποκτήσει ιδιαίτερη δυναμική τα τελευταία χρόνια, καθώς οι γεωπολιτικές εξελίξεις και οι παγκόσμιες αλυσίδες εφοδιασμού έχουν αναδείξει τις εξαρτήσεις της ηπείρου από τρίτες χώρες. Μέχρι σήμερα, όμως, το μεγαλύτερο μέρος αυτής της συζήτησης επικεντρώνεται στο λογισμικό και στην ανάπτυξη ανοικτού κώδικα. Αν και η προσέγγιση αυτή είναι σημαντική, παραβλέπει έναν εξίσου κρίσιμο παράγοντα: το υλικό (hardware).
Η Ευρωπαϊκή Ένωση έχει αναγνωρίσει ότι η εξάρτηση από ξένες τεχνολογίες μπορεί να περιορίσει την στρατηγική της αυτονομία. Στο πλαίσιο αυτό, η νέα δέσμη μέτρων για την τεχνολογική κυριαρχία και η συνοδευτική στρατηγική ανοικτού κώδικα προωθούν την ενίσχυση της ψηφιακής ανεξαρτησίας της Ευρώπης. Ωστόσο, η έμφαση παραμένει κυρίως στο λογισμικό, αφήνοντας σε δεύτερο πλάνο τις υποδομές υλικού πάνω στις οποίες αυτό λειτουργεί.
Το ανοιχτό υλικό (open-source hardware) προσφέρει πολλά από τα πλεονεκτήματα του ανοικτού λογισμικού: διαφάνεια, δυνατότητα ελέγχου, προσαρμοστικότητα και συνεργατική ανάπτυξη. Η διαφορά είναι ότι στο επίπεδο του υλικού οι εξαρτήσεις είναι συχνά βαθύτερες και πιο δύσκολο να αντιμετωπιστούν. Ενώ ο πηγαίος κώδικας μπορεί να τροποποιηθεί ή να διανεμηθεί εύκολα, η κατασκευή ημιαγωγών, οι σχεδιαστικές πλατφόρμες, οι αρχιτεκτονικές επεξεργαστών και τα εργαλεία σχεδιασμού παραμένουν σε μεγάλο βαθμό υπό τον έλεγχο μη ευρωπαϊκών φορέων.
Η λύση δεν είναι απαραίτητα η πλήρης αναπαραγωγή της παγκόσμιας βιομηχανίας ημιαγωγών εντός της Ευρώπης, καθώς κάτι τέτοιο θα απαιτούσε τεράστιους πόρους και πολυετή επένδυση. Αντίθετα, η Ευρώπη θα μπορούσε να εστιάσει στο άνοιγμα του σχεδιαστικού επιπέδου της τεχνολογίας. Με άλλα λόγια, να καταστήσει τη γνώση και τα εργαλεία σχεδιασμού κοινό αγαθό, μειώνοντας τα εμπόδια συμμετοχής και ενισχύοντας τις τεχνολογικές της δυνατότητες.
Ιδιαίτερο ενδιαφέρον παρουσιάζει η αρχιτεκτονική RISC-V, ένα ανοικτό πρότυπο σχεδιασμού επεξεργαστών που επιτρέπει σε επιχειρήσεις, ερευνητικά κέντρα και πανεπιστήμια να αναπτύσσουν δικά τους μικροτσίπ χωρίς την καταβολή δικαιωμάτων χρήσης. Παράλληλα, η ανάπτυξη ανοικτών εργαλείων ηλεκτρονικού σχεδιασμού (EDA) μπορεί να συμβάλει στη δημιουργία ενός πιο ανεξάρτητου και ανταγωνιστικού οικοσυστήματος καινοτομίας.
Παρότι η Ευρωπαϊκή Επιτροπή αναφέρεται σε πρωτοβουλίες όπως το RISC-V και αναγνωρίζει την ανάγκη ενίσχυσης της παραγωγικής βάσης μέσω του Chips Act, δεν φαίνεται να αντιμετωπίζει το ανοιχτό υλικό ως στρατηγική προτεραιότητα ισότιμη με το ανοικτό λογισμικό. Το γεγονός αυτό δημιουργεί κενά σε τομείς όπως η ρομποτική, οι τηλεπικοινωνίες, τα συστήματα edge computing και τα επιστημονικά όργανα, όπου η Ευρώπη διαθέτει σημαντική τεχνογνωσία αλλά παραμένει εκτεθειμένη σε εξωτερικές εξαρτήσεις.
Εξίσου σημαντικό είναι το ζήτημα των δεξιοτήτων. Η Ευρώπη αντιμετωπίζει ήδη έλλειψη εξειδικευμένων επαγγελματιών στον σχεδιασμό ολοκληρωμένων κυκλωμάτων και στα εργαλεία ηλεκτρονικού σχεδιασμού. Παρότι κορυφαία πανεπιστήμια όπως το ETH Zürich και το TU Delft παράγουν υψηλού επιπέδου αποφοίτους, οι ανάγκες της ευρωπαϊκής βιομηχανίας αυξάνονται ταχύτερα από την προσφορά ανθρώπινου δυναμικού. Η ενίσχυση της εκπαίδευσης και της έρευνας στον τομέα του ανοικτού υλικού θα μπορούσε να αποτελέσει κρίσιμο παράγοντα για τη μελλοντική ανταγωνιστικότητα της ηπείρου.
Παράλληλα, η Ευρωπαϊκή Ένωση θα μπορούσε να επεκτείνει την αρχή «Δημόσιο Χρήμα, Δημόσιος Κώδικας» και στον χώρο του υλικού. Σχέδια και τεχνολογίες που αναπτύσσονται με δημόσια χρηματοδότηση θα μπορούσαν να διατίθενται ανοικτά, επιτρέποντας σε ερευνητές, επιχειρήσεις και νεοφυείς εταιρείες να τα αξιοποιούν και να τα εξελίσσουν. Ένα ευρωπαϊκό αποθετήριο ανοικτού υλικού, αντίστοιχο με τις πλατφόρμες φιλοξενίας λογισμικού, θα ενίσχυε σημαντικά τη διάχυση της γνώσης και της καινοτομίας.
Η τεχνολογική κυριαρχία δεν μπορεί να περιορίζεται μόνο στο λογισμικό. Ένα λειτουργικό σύστημα ανοικτού κώδικα που τρέχει πάνω σε ιδιόκτητο υλικό ελεγχόμενο από τρίτους παρέχει μόνο μερική ανεξαρτησία. Για να αποκτήσει η Ευρώπη πραγματική στρατηγική αυτονομία, απαιτείται μια ολοκληρωμένη προσέγγιση που θα καλύπτει ολόκληρη την τεχνολογική αλυσίδα, από το λογισμικό έως το υλικό. Η ενσωμάτωση του ανοιχτού υλικού στον πυρήνα της ευρωπαϊκής στρατηγικής θα μπορούσε να αποτελέσει ένα αποφασιστικό βήμα προς αυτή την κατεύθυνση.
Στις 9 Ιουνίου 2026, η ευρωπαϊκή αγορά λογισμικού υποδέχτηκε μια από τις πιο συζητημένες κυκλοφορίες των τελευταίων ετών: το Euro-Office 1.0. Δημιουργημένο από έναν ισχυρό συνασπισμό ευρωπαϊκών εταιρειών και οργανισμών (όπως οι Nextcloud, IONOS, XWiki, OpenProject, Soverin και άλλοι), το λογισμικό παρουσιάστηκε ως η ευρωπαϊκή απάντηση στην κυριαρχία του Microsoft 365 και του Google Workspace. Στόχος του; Η εδραίωση της λεγόμενης «ψηφιακής κυριαρχίας» (digital sovereignty) στην Ευρώπη.
Σήμερα, 9 Ιουλίου, ακριβώς ένα μήνα μετά την επίσημη κυκλοφορία του, η σκόνη αρχίζει να κατακάθεται. Ποιος είναι ο απολογισμός αυτών των πρώτων 30 ημερών; Πώς υποδέχτηκε η κοινότητα το νέο εγχείρημα και ποιες ήταν οι εντονότερες αντιδράσεις;
Το χρονικό της κυκλοφορίας και η στρατηγική τοποθέτηση
Το Euro-Office δεν λανσαρίστηκε ως ένα παραδοσιακό, αυτόνομο πρόγραμμα που κατεβάζει και εγκαθιστά ο μέσος χρήστης στον υπολογιστή του. Αντιθέτως, τοποθετήθηκε στρατηγικά ως μια web-based σουίτα και ένας διακομιστής εγγράφων (document server) που ενσωματώνεται σε υπάρχουσες πλατφόρμες συνεργασίας. Αυτή η προσέγγιση απευθύνεται κυρίως σε ευρωπαϊκές επιχειρήσεις, κυβερνητικούς φορείς και ακαδημαϊκά ιδρύματα που επιθυμούν να διατηρούν τα δεδομένα τους εντός ευρωπαϊκών συνόρων, μακριά από τους διακομιστές αμερικανικών κολοσσών.
Τις πρώτες εβδομάδες κυκλοφορίας, τα στατιστικά λήψεων και υιοθέτησης (κυρίως μέσω της ενσωμάτωσης στο Nextcloud) έδειξαν σημαντικό ενδιαφέρον από τον ευρωπαϊκό δημόσιο τομέα. Οι αναφορές της αγοράς υποδεικνύουν ότι αρκετοί οργανισμοί ξεκίνησαν πιλοτικά προγράμματα για να αξιολογήσουν τη συμβατότητα του Euro-Office με τα υφιστάμενα αρχεία τους, τα οποία είναι ως επί το πλείστον μορφής Microsoft (DOCX, XLSX).
Η μεγάλη σύγκρουση: Το LibreOffice περνάει στην αντεπίθεση
Αν υπήρξε ένα γεγονός που επισκίασε την τεχνολογική πλευρά της κυκλοφορίας, αυτό ήταν η σφοδρή αντίδραση του Document Foundation, του οργανισμού πίσω από το ιστορικό LibreOffice. Η σύγκρουση αυτή ανέδειξε βαθιές φιλοσοφικές διαφορές στους κόλπους του ανοιχτού κώδικα.
«Ένας Freeware κλώνος του Microsoft Office»
Οι εκπρόσωποι του LibreOffice δεν μάσησαν τα λόγια τους. Με δημόσιες τοποθετήσεις τους, άσκησαν δριμεία κριτική στο Euro-Office, χαρακτηρίζοντάς το ως έναν «freeware κλώνο του Microsoft Office» που απλώς εκμεταλλεύεται τον όρο της «ψηφιακής κυριαρχίας» για λόγους μάρκετινγκ. Η κριτική τους εστιάστηκε στο γεγονός ότι το Euro-Office δεν είναι η πρώτη ευρωπαϊκή σουίτα ανοιχτού κώδικα, υπενθυμίζοντας τη μακρά ιστορία του ίδιου του LibreOffice στην Ευρώπη.
Το πρόβλημα των μορφότυπων (Formats): OOXML εναντίον ODF
Ο πυρήνας της διαμάχης ήταν η απόφαση του Euro-Office να υιοθετήσει τα πρότυπα OOXML της Microsoft (τα γνωστά αρχεία .docx, .xlsx, .pptx) ως την προεπιλεγμένη και βέλτιστα υποστηριζόμενη μορφή εγγράφων. Το Document Foundation υποστήριξε σθεναρά ότι η πραγματική ευρωπαϊκή ψηφιακή ανεξαρτησία δεν μπορεί να επιτευχθεί όσο η ήπειρος παραμένει προσδεδεμένη στα πρότυπα (formats) μιας αμερικανικής εταιρείας.
Σύμφωνα με τους επικριτές, ένα αληθινά κυρίαρχο λογισμικό θα έπρεπε να δίνει προτεραιότητα στο ανοιχτό πρότυπο ODF (OpenDocument Format). Από την πλευρά της κοινοπραξίας του Euro-Office, η απάντηση ήταν ξεκάθαρα πραγματιστική: για να πειστούν οι οργανισμοί να εγκαταλείψουν τη Microsoft, η μετάβαση πρέπει να είναι ανώδυνη και η πλήρης συμβατότητα με τα δισεκατομμύρια ήδη υπάρχοντα αρχεία OOXML είναι αδιαπραγμάτευτη.
Το ζήτημα της προέλευσης: Το Fork του ONLYOFFICE
Ο πρώτος μήνας έφερε επίσης στην επιφάνεια συζητήσεις γύρω από την προέλευση του κώδικα του Euro-Office. Η νέα σουίτα δεν γράφτηκε από το μηδέν, αλλά αποτελεί “fork” του υπάρχοντος κώδικα του ONLYOFFICE.
Αυτό προκάλεσε νομικές και ηθικές συζητήσεις. Η δημιουργός εταιρεία του ONLYOFFICE, Ascensio System SIA, εξέφρασε δυσαρέσκεια, υποστηρίζοντας ότι η κοινοπραξία παραβίασε όρους της άδειας AGPLv3, κυρίως όσον αφορά την αφαίρεση λογότυπων και αναφορών στην αρχική εταιρεία. Αντίθετα, οργανισμοί για την προάσπιση του ελεύθερου λογισμικού, όπως το Free Software Foundation, υποστήριξαν τους προγραμματιστές του Euro-Office, υπογραμμίζοντας ότι η αφαίρεση περιοριστικών λογότυπων είναι απολύτως νόμιμη και σύμφωνη με το πνεύμα του ανοιχτού κώδικα.
Επιπρόσθετα, ένα μεγάλο μέρος των εργασιών τον πρώτο μήνα από την ομάδα του Euro-Office επικεντρώθηκε στην «εκκαθάριση» του κώδικα. Αφαιρέθηκαν ασαφή τμήματα και σχόλια στη ρωσική γλώσσα, με στόχο να αυξηθεί η διαφάνεια του έργου και να ενισχυθεί η εμπιστοσύνη των ευρωπαϊκών θεσμών προς την πλατφόρμα.
Πού βρίσκεται το έργο σήμερα, ένα μήνα μετά
Ένας μήνας μετά, το EuroOffice παραμένει ζωντανό project με σταθερή δραστηριότητα ανάπτυξης: τα βασικά αποθετήρια στο GitHub (DocumentServer, core, web-apps, desktop-apps) δείχνουν συνεχή commits μέχρι και τις πρώτες ημέρες του Ιουλίου, ένδειξη ότι η κοινοπραξία συνεχίζει να επενδύει ενεργά στο έργο.
Στο επίπεδο της διάθεσης, η εικόνα είναι σταδιακή παρά εκρηκτική:
Το Nextcloud Hub 26 Spring προσφέρει ήδη το EuroOffice ως εναλλακτική επιλογή δίπλα στο Collabora.
Η IONOS έχει ενεργοποιήσει το EuroOffice για πελάτες του διαχειριζόμενου Nextcloud, με πλήρη ένταξη στο Nextcloud Workspace να αναμένεται αργότερα μέσα στο καλοκαίρι.
Η XWiki σχεδιάζει ενσωμάτωση εντός του τέταρτου τριμήνου του 2026.
Το Office.eu προχωρά σε δική του ενσωμάτωση, κυρίως για μικρομεσαίες επιχειρήσεις.
Με άλλα λόγια, ένας μήνας μετά, το EuroOffice δεν είναι ακόμα κάτι που ο μέσος χρήστης «κατεβάζει» απευθείας, παραμένει, κατά κύριο λόγο, ένα εργαλείο ενσωματωμένο σε ήδη υπάρχουσες πλατφόρμες συνεργασίας, με σταδιακή, όχι άμεση, διάθεση σε ευρύτερο κοινό.
Τι λένε οι πρώτες πραγματικές δοκιμές
Πέρα από τη θεωρητική συζήτηση περί κυριαρχίας, ξεκίνησαν να εμφανίζονται και πρακτικές αξιολογήσεις. Δημοσιογράφοι που δοκίμασαν το EuroOffice σε πραγματικές εγκαταστάσεις Nextcloud περιέγραψαν μια εμπειρία που λειτουργεί, αλλά είναι ακόμα «ανεπεξέργαστη»: το βασικό editor και η συνεργασία σε πραγματικό χρόνο δουλεύουν, όμως η διαμόρφωση παραμένει απαιτητική για μη τεχνικούς χρήστες, ενώ σε αρκετά σημεία του περιβάλλοντος εξακολουθεί να διακρίνεται η «ταυτότητα» του OnlyOffice, από το οποίο προήλθε το fork. Η γενική εκτίμηση πολλών αναλυτών είναι ότι πρόκειται περισσότερο για ένα ισχυρό τεχνικό preview παρά για ένα ολοκληρωμένο προϊόν έτοιμο για μαζική παραγωγική χρήση, κάτι που όπως σημειώνουν, αναμένεται να αλλάξει τους επόμενους μήνες.
Τι ακολουθεί
Η ίδια η κοινοπραξία έχει ήδη ανακοινώσει τις προτεραιότητες του οδικού χάρτη: ανάπτυξη εγγενών εφαρμογών για Windows, macOS και Linux, καθώς και για Android και iOS, βελτιωμένη υποστήριξη του ανοιχτού προτύπου ODF, ζήτημα που παραμένει το πιο ευαίσθητο σημείο κριτικής· και βαθύτερη ενσωμάτωση με τις υπόλοιπες πλατφόρμες της κοινοπραξίας. Παράλληλα, συζητείται και η σταδιακή προσθήκη εργαλείων τεχνητής νοημοσύνης για υποβοηθούμενη συγγραφή και διαχείριση email.
Συνοπτικός απολογισμός των 30 ημερών
Υιοθέτηση: Σταθερή άνοδος κυρίως μέσω ενσωματώσεων σε επιχειρησιακές πλατφόρμες όπως το Nextcloud.
Χρηστικότητα: Θετικές αξιολογήσεις για το περιβάλλον εργασίας, το οποίο θυμίζει έντονα το “Ribbon” του MS Office, διευκολύνοντας την ομαλή μετάβαση των χρηστών.
Συμβατότητα: Εξαιρετική διαχείριση αρχείων της Microsoft, αλλά μέτρια υποστήριξη του ανοιχτού προτύπου ODF, γεγονός που παραμένει το κύριο σημείο τριβής.
Κοινότητα: Διχασμένη, με τη μερίδα του LibreOffice να τηρεί επιθετική στάση απέναντι στις πρακτικές μάρκετινγκ του νέου εγχειρήματος.
Συμπέρασμα
Ο πρώτος μήνας ζωής του Euro-Office 1.0 ήταν επεισοδιακός αλλά αναμφίβολα επιτυχημένος ως προς την πρόκληση συζητήσεων. Επανέφερε στο προσκήνιο τον ζωτικό διάλογο για το τι σημαίνει πραγματικά «ψηφιακή κυριαρχία». Είναι η ικανότητα να φιλοξενείς τα δεδομένα σου στους δικούς σου διακομιστές, έστω και χρησιμοποιώντας αμερικανικά πρότυπα αρχείων; Ή μήπως είναι η πλήρης ανεξαρτησία τόσο στην υποδομή όσο και στα πρότυπα, όπως πρεσβεύει το LibreOffice;
Ανεξάρτητα από το ποια πλευρά υποστηρίζει κανείς, η είσοδος ενός τόσο ισχυρού, συνεργατικού παίκτη στην ευρωπαϊκή αγορά ανοιχτού κώδικα προσφέρει στους οργανισμούς περισσότερες εναλλακτικές λύσεις από ποτέ. Ο επόμενος στόχος για το Euro-Office δεν είναι πλέον η κυκλοφορία, αλλά η διατήρηση της εμπιστοσύνης, η νομική του θωράκιση και η απόδειξη ότι μπορεί να αντέξει την πίεση των πραγματικών εταιρικών απαιτήσεων.
Το GlossAPI μετατρέπει δημόσια διοικητικά έγγραφα σε υποδομή για την ελληνική Τεχνητή Νοημοσύνη
Για να είναι αξιόπιστα τα ελληνικά γλωσσικά μοντέλα χρειάζονται μεγάλα και ποιοτικά σώματα κειμένων στα ελληνικά, τέτοια που να αποτυπώνουν πώς πραγματικά “γράφει” και “αποφασίζει” η δημόσια διοίκηση, η νομοθεσία και η αυτοδιοίκηση.
Με αυτό το σκεπτικό, το GlossAPI, μια πρωτοβουλία του Οργανισμού Ανοιχτών Τεχνολογιών – ΕΕΛΛΑΚ, ολοκλήρωσε ένα σημαντικό τεχνικό ορόσημο: τη μαζική εξαγωγή, αποθήκευση, επεξεργασία και ανοιχτή διάθεση ενός μεγάλου σώματος κειμένων από τη «Διαύγεια».
Το αποτέλεσμα είναι ένα corpus περίπου 2,8 εκατομμυρίων επεξεργασμένων εγγράφων, που προέκυψε από ένα αρχικό σύνολο 3.101.551 αρχείων PDF και των αντίστοιχων JSON μεταδεδομένων τους. Συνολικού όγκου περίπου 1,26 TB, αποτελεί μία από τις σημαντικότερες μέχρι σήμερα προσπάθειες να μετατραπούν ελληνικά δημόσια διοικητικά έγγραφα σε επεξεργάσιμο και δομημένο κείμενο, αξιοποιήσιμο για εφαρμογές επεξεργασίας φυσικής γλώσσας και Τεχνητής Νοημοσύνης.
Γιατί η «Διαύγεια» είναι κρίσιμη πηγή για την ελληνική ΤΝ
Πέρα από αποθετήριο διοικητικών αποφάσεων, η «Διαύγεια» είναι ένα από τα πιο σημαντικά θεσμικά εργαλεία διαφάνειας του ελληνικού Δημοσίου. Από το 2010 και μετά, εκατομμύρια πράξεις υπουργείων, δήμων, περιφερειών και δημόσιων φορέων δημοσιεύονται εκεί με μοναδικό αναγνωριστικό και ανοιχτή πρόσβαση.
Έτσι έχει συσσωρευτεί τεράστιος όγκος ελληνικού διοικητικού λόγου: αποφάσεις ανάληψης υποχρέωσης, μεταβολές ανθρώπινου δυναμικού, εγκρίσεις, συμβάσεις, κανονιστικές πράξεις, πράξεις συλλογικών οργάνων, προκηρύξεις, διορισμοί, δαπάνες και πλήθος άλλων εγγράφων που αποτυπώνουν την καθημερινή λειτουργία του κράτους.
Για την Τεχνητή Νοημοσύνη το υλικό αυτό έχει ιδιαίτερη αξία, καθώς μπορεί να τροφοδοτήσει την εκπαίδευση και την αξιολόγηση μοντέλων που κατανοούν τη διοικητική γλώσσα: μοντέλων που ταξινομούν έγγραφα, παράγουν περιλήψεις, εντοπίζουν οντότητες, βοηθούν στην ανωνυμοποίηση ευαίσθητων δεδομένων και υποστηρίζουν πιο διαφανείς δημόσιες υπηρεσίες. Με αυτή την έννοια, η «Διαύγεια» δεν έχει αξία μόνο ως εργαλείο λογοδοσίας· μπορεί να λειτουργήσει και ως υποδομή γνώσης για μια ανοιχτή, δημόσια και ελεγχόμενη ΤΝ στα ελληνικά.
Η τεχνική διαδικασία: από τα PDF στο καθαρό κείμενο
Η συλλογή και επεξεργασία εκατομμυρίων εγγράφων σε αυτή την κλίμακα απαιτεί σταθερή υποδομή, αυτοματοποίηση, έλεγχο σφαλμάτων και εργαλεία που αντέχουν μεγάλο όγκο ετερογενών αρχείων. Η ροή εργασίας της ομάδας του GlossAPI οργανώθηκε σε δύο φάσεις.
Η πρώτη αφορούσε τη μαζική εξαγωγή και αποθήκευση των δεδομένων. Η συλλογή έγινε μέσω του επίσημου OpenData API της «Διαύγειας», ενώ για τη διαχείριση του όγκου και την αξιοπιστία της διαδικασίας αξιοποιήθηκαν υποδομές Google Cloud Platform. Ολοκληρώθηκε τον Φεβρουάριο του 2026 με εξαιρετικά υψηλό ποσοστό επιτυχίας, της τάξης του 99,999%: μόλις 28 αποτυχημένες κλήσεις σε περίπου 3,1 εκατομμύρια έγγραφα.
Η δεύτερη φάση αφορούσε την επεξεργασία των PDF και την εξαγωγή του κειμένου. Χρησιμοποιήθηκε το εργαλείο που έχει αναπτύξει η ομάδα του GlossAPI και διατίθεται ως ανοιχτό λογισμικό στο αποθετήριο github.com/eellak/glossAPI. Ως σύστημα οπτικής αναγνώρισης χαρακτήρων ενσωματώθηκε το Rapid OCR, ώστε τα PDF να μετατραπούν σε δομημένο και επεξεργάσιμο κείμενο.
Όπως συμβαίνει σε κάθε μαζική επεξεργασία πραγματικών διοικητικών εγγράφων, ένα μέρος των αρχείων παρουσίασε τεχνικά προβλήματα: κάποια PDF ήταν κατεστραμμένα, άλλα είχαν μη τυποποιημένη κωδικοποίηση ή προβληματική εσωτερική δομή. Παρ’ όλα αυτά, περίπου 2,8 εκατομμύρια έγγραφα επεξεργάστηκαν επιτυχώς και είναι πλέον διαθέσιμα για περαιτέρω ανάλυση.
Τι δείχνει η ανάλυση του corpus
Η στατιστική εικόνα του συνόλου δεδομένων λέει αρκετά για το πώς παράγεται διοικητική πληροφορία στο ελληνικό Δημόσιο. Στο σύστημα της «Διαύγειας» εντοπίστηκαν 43 μοναδικοί τύποι αποφάσεων· από αυτούς οι 35 περιλαμβάνουν συνημμένα έγγραφα, ενώ 8 λειτουργούν ως γονικές οργανωτικές κατηγορίες χωρίς αρχεία. Στο ληφθέν dataset καταγράφηκαν 34 ενεργοί τύποι.
Η κατανομή είναι έντονα ανισοβαρής. Τρεις μόνο τύποι συγκεντρώνουν περίπου το 68% του συνολικού όγκου:
Εγκρίσεις, Αποφάσεις και Πράξεις, 2.4.7.1: 382.006 έγγραφα, 12,3%.
Ακολουθούν άλλες κατηγορίες, όπως εγκρίσεις δαπανών, κανονιστικές πράξεις, αναθέσεις, συμβάσεις, πράξεις συλλογικών οργάνων, προκηρύξεις και διοικητικές πράξεις της αυτοδιοίκησης.
Η κατανομή αυτή δείχνει ποιες μορφές διοικητικής πράξης κυριαρχούν στην καθημερινή παραγωγή του Δημοσίου, και ταυτόχρονα προσφέρει βάση για στοχευμένη ανάπτυξη μοντέλων. Ένα μοντέλο που εκπαιδεύεται σε τέτοιο υλικό δεν μαθαίνει γενικά «ελληνικά», αλλά τη συγκεκριμένη γλώσσα των δημόσιων αποφάσεων, των προμηθειών, των διοικητικών διαδικασιών και της θεσμικής τεκμηρίωσης.
Ένας σημαντικός τεχνικός περιορισμός
Κατά τη διάρκεια του έργου διαπιστώθηκε ένας κρίσιμος περιορισμός στο OpenData API της «Διαύγειας». Η αναζήτηση με βάση τα πεδία issueDate και submissionTimestamp φαίνεται να περιορίζεται από ένα κυλιόμενο χρονικό παράθυρο περίπου έξι μηνών.
Έτσι, το τρέχον dataset αποτυπώνει κυρίως την περίοδο Ιουλίου 2025 έως Φεβρουαρίου 2026 και δεν αποτελεί το πλήρες ιστορικό αρχείο της πλατφόρμας. Η απόσταση από το πλήρες αρχείο είναι μεγάλη: από το 2010 μέχρι σήμερα εκτιμάται ότι έχουν καταχωριστεί περίπου 73,8 εκατομμύρια αποφάσεις. Τα 3,1 εκατομμύρια συλλεγμένα έγγραφα και τα 2,8 εκατομμύρια επεξεργασμένα κείμενα είναι, επομένως, ένα πρώτο βήμα σε μια πολύ μεγαλύτερη προσπάθεια.
Το εύρημα αυτό αφορά και τη δημόσια πολιτική. Όταν τα δημόσια δεδομένα είναι προσβάσιμα μόνο μέσα από τεχνικούς περιορισμούς που δυσκολεύουν την πρόσβαση στο πλήρες ιστορικό, η ανοιχτότητα μένει μισή. Ουσιαστική ανοιχτότητα δεν σημαίνει απλώς δημοσίευση εγγράφων, αλλά και σταθερούς, τεκμηριωμένους και μηχανικά αξιοποιήσιμους τρόπους μαζικής πρόσβασης.
Ανοιχτή διάθεση στην ερευνητική και τεχνολογική κοινότητα
Απευθύνεται σε ερευνητές, προγραμματιστές, γλωσσολόγους, μηχανικούς δεδομένων, ομάδες ΤΝ, δημόσιους φορείς και κοινότητες ανοιχτού λογισμικού που θέλουν να δουλέψουν πάνω στην ελληνική διοικητική γλώσσα.
Η χρησιμότητά του δεν σταματά στην εκπαίδευση μεγάλων γλωσσικών μοντέλων. Μπορεί να αξιοποιηθεί και για:
αυτόματη ταξινόμηση διοικητικών εγγράφων,
εξαγωγή οντοτήτων, όπως φορείς, ποσά, ημερομηνίες και ΑΔΑ,
ανάλυση δημόσιων δαπανών και προμηθειών,
εργαλεία αναζήτησης και ερωταποκρίσεων με παραπομπές,
συστήματα περίληψης δημόσιων αποφάσεων,
ανωνυμοποίηση και ψευδωνυμοποίηση ευαίσθητων δεδομένων,
βελτίωση OCR και αξιολόγηση ελληνικών μοντέλων σε πραγματικά διοικητικά κείμενα.
Το σκεπτικό πίσω από τη διάθεση είναι ότι δεδομένα που παράγονται με δημόσιους πόρους οφείλουν, με σεβασμό στην προστασία των προσωπικών δεδομένων, να επιστρέφουν στην κοινωνία ως δημόσια γνώση και κοινό αγαθό.
Τα επόμενα βήματα
Η φάση που ολοκληρώθηκε ανοίγει τον δρόμο για την επόμενη. Το πρώτο ζητούμενο είναι να βρεθεί τρόπος ανάκτησης ενός αντιπροσωπευτικού συνόλου από ολόκληρο το ιστορικό αρχείο της «Διαύγειας», ώστε να γίνουν προσβάσιμες οι αποφάσεις από το 2010 και μετά με τρόπο σταθερό, επαναλήψιμο και τεχνικά βιώσιμο.
Παράλληλα χρειάζεται συνεχής βελτίωση του OCR pipeline. Τα παλαιότερα PDF, τα κακοσχηματισμένα αρχεία και οι διαφορετικές μορφές σάρωσης απαιτούν διαρκή βελτιστοποίηση· όσο μειώνεται το ποσοστό αποτυχίας, τόσο καλύτερη και πιο αντιπροσωπευτική γίνεται η συλλογή.
Πάνω σε αυτό το σώμα κειμένων μπορούν στη συνέχεια να αναπτυχθούν εξειδικευμένα ελληνικά μοντέλα και εργαλεία με συγκεκριμένη δημόσια αξία, αντί για γενικά μοντέλα χωρίς έλεγχο: εργαλεία που βοηθούν στη διαφάνεια, στην αναζήτηση δημόσιων πράξεων, στη σύνοψη αποφάσεων και στην υποστήριξη λειτουργών και πολιτών.
Καθοριστική, τέλος, είναι η τεκμηρίωση του dataset με σύγχρονες πρακτικές διαφάνειας: datasheets, περιγραφή μεθοδολογίας, γνωστούς περιορισμούς, στατιστικά ποιότητας, εκδόσεις και δυνατότητα αναπαραγωγής της διαδικασίας. Άλλωστε η ανοιχτή ΤΝ δεν εξαντλείται στον ανοιχτό κώδικα και τα ανοιχτά δεδομένα· περιλαμβάνει και την ανοιχτή τεκμηρίωση, που επιτρέπει σε άλλους να ελέγξουν, να βελτιώσουν και να επαναχρησιμοποιήσουν το έργο.
Από τη διαφάνεια στη δημόσια Τεχνητή Νοημοσύνη
Η δουλειά πάνω στα δεδομένα της «Διαύγειας» φέρνει στην επιφάνεια ένα ευρύτερο ζήτημα: η Ελλάδα διαθέτει ήδη τεράστιο δημόσιο γλωσσικό και διοικητικό απόθεμα. Το ερώτημα είναι αν αυτό θα μείνει κλειδωμένο σε PDF και αποσπασματικές αναζητήσεις ή αν θα γίνει ανοιχτή υποδομή για την επόμενη γενιά δημόσιων ψηφιακών υπηρεσιών.
Το GlossAPI επιδιώκει το δεύτερο: να μετατραπούν τα δημόσια έγγραφα σε ανοιχτά, τεκμηριωμένα και αξιοποιήσιμα σύνολα δεδομένων, ώστε η ελληνική γλώσσα να έχει θέση στην εποχή της ΤΝ και να στηρίζονται ανοιχτά μοντέλα που δεν εξαρτώνται αποκλειστικά από κλειστές πλατφόρμες. Ζητούμενο, τελικά, είναι μια δημόσια ΤΝ στην υπηρεσία της διαφάνειας, της λογοδοσίας και του κοινού συμφέροντος.
Η «Διαύγεια» υπήρξε ένα από τα σημαντικότερα βήματα θεσμικής διαφάνειας στη χώρα. Το επόμενο είναι να γίνει, με ανοιχτό και υπεύθυνο τρόπο, μέρος της δημόσιας υποδομής γνώσης για την ελληνική Τεχνητή Νοημοσύνη.
Εδώ και 15 χρόνια, το eduGAIN αποτελεί έναν από τους πυλώνες της ψηφιακής ταυτότητας για την ακαδημαϊκή και ερευνητική κοινότητα παγκοσμίως. Από το 2011 το eduGAIN συνδέει έναν συνεχώς αυξανόμενο αριθμό οργανισμών, προσφέροντας εύκολη πρόσβαση σε πόρους και υπηρεσίες για φοιτητές, προσωπικό και ερευνητές σε όλο τον κόσμο. Σήμερα, στον 15ο χρόνο λειτουργίας του, περισσότεροι από 10.000 πάροχοι ταυτότητας και υπηρεσιών είναι συνδεδεμένοι μέσω του eduGAIN, με 84 ομοσπονδίες-μέλη σε όλον τον κόσμο.
Η αρχή
Η ανάπτυξη του eduGAIN ξεκίνησε ως ερευνητική δραστηριότητα στο πλαίσιο του έργου GN2 το 2004, με στόχο την αντιμετώπιση της ανάγκης διασύνδεσης της ακαδημαϊκής κοινότητας σε ολόκληρη την Ευρώπη. Κατά τη διάρκεια του έργου GN3, το eduGAIN δοκιμάστηκε πιλοτικά ως υπηρεσία, και στις 27 Απριλίου 2011 έγινε επίσημα λειτουργική υπηρεσία, με τη γερμανική DFN-AAI (λειτουργείται από τη DFN) και την ισπανική SIR (λειτουργείται από την RedIRIS) ως τις πρώτες ομοσπονδίες-μέλη που εντάχθηκαν. Απέκτησε παγκόσμια εμβέλεια το 2012, όταν προστέθηκαν η Canadian Access Federation (λειτουργείται από την CANARIE) και η βραζιλιάνικη CAFe (λειτουργείται από το RNP).
Συνεχής ανάπτυξη και εξέλιξη
Αρχικά, το eduGAIN είχε σχεδιαστεί κυρίως για τις ανάγκες των ιδρυμάτων τριτοβάθμιας εκπαίδευσης. Σύντομα, όμως, οι ερευνητικές κοινότητες άρχισαν να αντιλαμβάνονται τη δυναμική και τον αντίκτυπο της ομοσπονδιακής (federated) ταυτότητας, αναδεικνύοντας ανάγκες που δεν είχαν αρχικά προβλεφθεί. Η πρόκληση αυτή έγινε αποδεκτή από το GÉANT και τις ομοσπονδίες-μέλη, οδηγώντας στη δημιουργία του κειμένου FIM4R (Federated Identity Management for Research), σε πιλοτικά προγράμματα με ερευνητικές κοινότητες, και εν συνεχεία στην αρχιτεκτονική AARC (Authentication and Authorisation for Research and Collaboration) Blueprint, στην οποία το eduGAIN αποτελεί βασικό συστατικό στοιχείο.
Πάνω στο eduGAIN και στο πλαίσιο του AARC, το MyAccessID αποτελεί μία από τις πιο πρόσφατες εξελίξεις στην αξιόπιστη ταυτότητα για την έρευνα και την καινοτομία, τροφοδοτώντας, σε συνδυασμό με το eduGAIN, τον κόμβο EOSC EU, την Ομοσπονδία EOSC AAI και την πρόσβαση στο EuroHPC μέσω της EuroHPC Federation Platform.
Για τις ανάγκες της φοιτητικής κινητικότητας και του προγράμματος Erasmus+, αναπτύχθηκε επίσης το MyAcademicID στο πλαίσιο της Ευρωπαϊκής Πρωτοβουλίας για τη Φοιτητική Κάρτα, συνδυάζοντας το eIDAS με το eduGAIN για την πιστοποίηση ταυτότητας. Αυτό επιτρέπει στους φοιτητές να πιστοποιούνται για τις σπουδές τους στο εξωτερικό χρησιμοποιώντας τον λογαριασμό του ιδρύματός τους, μειώνοντας σημαντικά τον διοικητικό φόρτο για προσωπικό και φοιτητές.
Προετοιμασία για το μέλλον της ψηφιακής ταυτότητας
Το eduGAIN βασίζεται σήμερα στο πρότυπο SAML, μια τεχνολογία που εξυπηρέτησε επί χρόνια την κοινότητα της έρευνας και της εκπαίδευσης, αλλά πλέον θεωρείται τεχνολογία παρελθόντος, καθώς η ανάπτυξή της έχει σταματήσει. Παράλληλα, τα OpenID Connect 1.0 και OAuth 2.0 αποτελούν τα σημερινά βιομηχανικά πρότυπα, τους λείπει όμως ένας κλιμακούμενος τρόπος εγκαθίδρυσης εμπιστοσύνης. Στο πλαίσιο του έργου GN5-2, η υπηρεσία eduGAIN βρίσκεται σε φάση πιλοτικής δοκιμής για το πώς το OpenID Federation θα μπορούσε να χρησιμοποιηθεί ως η μελλοντική τεχνολογία εμπιστοσύνης για το eduGAIN, παράλληλα με την υπάρχουσα υποδομή SAML.
Το πρότυπο OpenID Federation χρησιμοποιείται ήδη για την εθνική ηλεκτρονική ταυτότητα στην Ιταλία και έχει δοκιμαστεί για το EUDI Wallet. Ενσωματώνοντας το eduGAIN στο EUDI Wallet μέσω του OpenID Federation, το EUDI Wallet μπορεί να εισαχθεί στο ευρωπαϊκό οικοσύστημα έρευνας και εκπαίδευσης χωρίς να διαταράξει την ομοσπονδιακή υποδομή στην οποία στηρίζεται. Η προσέγγιση αυτή προτείνεται στην τελική έκθεση του έργου DC4EU, και επιτρέπει στην Ευρώπη να χτίσει πάνω σε ό,τι ήδη λειτουργεί, να επιταχύνει την υιοθέτηση νέων τεχνολογιών και να ενισχύσει την ψηφιακή κυριαρχία στον τομέα της έρευνας και της εκπαίδευσης για τα επόμενα χρόνια.
Η Ευρωπαϊκή Επιτροπή ανακοίνωσε πρόσφατα την ένταξή της στο W-Social, το οποίο παρουσίασε ως μια ανεξάρτητη πλατφόρμα κοινωνικής δικτύωσης με έδρα στην Ευρώπη. Η ίδια η Ούρσουλα φον ντερ Λάιεν ανακοίνωσε τη μετάβασή της στο W-Social, μαζί με άλλα στελέχη όπως η επίτροπος Henna Virkkunen. Έκτοτε, η πλατφόρμα έχει περάσει σε δημόσια beta φάση, καθιστάμενη προσβάσιμη σε ευρύτερο κοινό για πρώτη φορά.
Οι εξελίξεις αυτές έρχονται εν μέσω μιας ευρύτερης συζήτησης για τους κινδύνους που ενέχει η εξάρτηση από τεχνολογίες και πλατφόρμες που εκθέτουν τους χρήστες σε εκτεταμένη παρακολούθηση ή σε ενδεχόμενες γεωπολιτικές αναταράξεις. Εντάσσονται επίσης στο πλαίσιο του Πακέτου Τεχνολογικής Κυριαρχίας της ίδιας της Επιτροπής, το οποίο τοποθετεί τα ανοιχτού κώδικα και αποκεντρωμένα μέσα κοινωνικής δικτύωσης στον πυρήνα της προσέγγισής της για την ψηφιακή κυριαρχία.
Τα μέσα κοινωνικής δικτύωσης βρίσκονται στο πιο ευαίσθητο σημείο των ανησυχιών περί κυριαρχίας. Πλατφόρμες όπως το X έχουν συνδεθεί με συστήματα σύστασης περιεχομένου βασισμένα στην αλληλεπίδραση, τα οποία έχουν χρησιμοποιηθεί για να επηρεάσουν τον πολιτικό διάλογο και έχουν οδηγήσει σε δυσανάλογηενίσχυσηακροδεξιού περιεχομένου, καθώς και, πιο πρόσφατα, σε σκάνδαλα με μη συναινετικό σεξουαλικό περιεχόμενο που δημιουργήθηκε με τεχνητή νοημοσύνη.
Μέσα σε αυτό το κλίμα, και εν μέσω εκκλήσεων για δημιουργία «ευρωπαϊκών εναλλακτικών», το W-Social προβάλλεται ως μια πιθανή λύση. Ίσως όμως είναι πρόωρο να αντιμετωπιστεί ως τέτοια. Με βάση τα σημερινά δεδομένα, αξίζει να διερευνηθεί αν το W-Social οδεύει προς ένα πραγματικά ανοιχτό οικοσύστημα ή προς μια νέα μορφή «αιχμαλωσίας» των χρηστών —δανειζόμενο, ταυτόχρονα, την αρχιτεκτονική της ανοιχτότητας και τη ρητορική της κυριαρχίας.
Το W-Social αποτελεί, έτσι, μια χρήσιμη μελέτη περίπτωσης για το τι θα έπρεπε να σημαίνει ψηφιακή κυριαρχία στον χώρο των μέσων κοινωνικής δικτύωσης. Στο κείμενο αυτό υποστηρίζεται ότι δύο ζητήματα χρήζουν ιδιαίτερης προσοχής: το κλείσιμο μιας υποδομής που παρουσιάζεται ως ανοιχτή, και η συνεχιζόμενη εξάρτηση από υποδομή που παραμένει συγκεντρωμένη σε έναν και μόνο πάροχο. Τα δύο αυτά στοιχεία, μαζί, δείχνουν πως η «κυρίαρχη» κοινωνική δικτύωση δεν εξαρτάται μόνο από την ευρωπαϊκή ιδιοκτησία, αλλά από ανοιχτή υποδομή και από μια αξιόπιστη πορεία μείωσης των διαρθρωτικών εξαρτήσεων.
Τι συμβαίνει με το W-Social
Το W-Social είναι χτισμένο πάνω στο AT Protocol (γνωστό και ως ATproto ή ATP), το ίδιο ανοιχτό πρωτόκολλο στο οποίο βασίζεται και το Bluesky. Από την οπτική της κυριαρχίας, αυτή η αρχιτεκτονική επιλογή έχει ίσως μεγαλύτερη σημασία από το γεγονός ότι το W-Social είναι ευρωπαϊκό. Το AT Protocol διαχωρίζει τα επιμέρους στοιχεία μιας πλατφόρμας κοινωνικής δικτύωσης —την ταυτότητα, τη φιλοξενία, τη συντήρηση περιεχομένου, τις εφαρμογές που βλέπει ο χρήστης— ακριβώς για να περιορίσει την εξουσία μιας και μόνης οντότητας πάνω στο δίκτυο.
Σε πρόσφατο policy brief του Open Future υποστηρίζεται ότι ο δρόμος προς ένα καλύτερο οικοσύστημα κοινωνικής δικτύωσης δεν περνά απλώς από την αντικατάσταση αμερικανικών πλατφορμών με ευρωπαϊκές. Το πρόβλημα δεν είναι μόνο η ιδιοκτησία, αλλά οι κλειστές πλατφόρμες που «κλειδώνουν» τους χρήστες, στηριζόμενες σε επιχειρηματικά μοντέλα που βασίζονται στην αλληλεπίδραση και την παρακολούθηση. Πραγματικές εναλλακτικές λύσεις προϋποθέτουν ανοιχτές υποδομές, ικανές να στηρίξουν θεμελιωδώς διαφορετικές μορφές διακυβέρνησης και επιμέλειας περιεχομένου.
Είναι ακριβώς αυτή η ανάγκη για ανοιχτότητα και πλουραλισμό —τόσο στην υποδομή όσο και στην επιμέλεια περιεχομένου— που κάνει ορισμένες πρόσφατες επιλογές του W-Social να χρήζουν προσοχής.
Όταν το W-Social παρουσιάστηκε αρχικά στο Παγκόσμιο Οικονομικό Φόρουμ στο Νταβός, δεν είχε αποκαλύψει —και αργότερα φάνηκε να αποκρύπτει εσκεμμένα— ότι η πλατφόρμα βασιζόταν στο ATProtocol. Πρόσφατα μάλιστα πέρασε και σε μοντέλο ανάπτυξης κλειστού κώδικα.
Η στροφή αυτή φαντάζει ασύμβατη με την ίδια την ιδέα της ανοιχτότητας και της ψηφιακής κυριαρχίας που επικαλείται η πλατφόρμα. Η διαφάνεια, ο δημόσιος έλεγχος και η δυνατότητα να χτίζει κανείς πάνω σε κοινές υποδομές είναι, άλλωστε, ο πυρήνας της αξίας που προσφέρουν τα ανοιχτά οικοσυστήματα.
Όταν η Επιτροπή ανακοίνωσε την ένταξή της στο W-Social, δεν δημιούργησε στην πραγματικότητα νέα παρουσία σε νέα πλατφόρμα· απλώς μετέφερε έναν ήδη υπάρχοντα λογαριασμό ATproto από έναν πάροχο φιλοξενίας δεδομένων (το Bluesky) σε έναν άλλο (το W-Social). Στο ATproto, αυτή η υποδομή φιλοξενίας ονομάζεται Personal Data Server (PDS) και είναι εκεί όπου «κατοικεί» το περιεχόμενο, η ταυτότητα και το κοινωνικό γράφημα κάθε χρήστη. Μία από τις θεμελιώδεις αρχές σχεδιασμού του πρωτοκόλλου είναι ότι κάθε PDS πρέπει να μπορεί να λειτουργεί με οποιαδήποτε εφαρμογή έχει χτιστεί πάνω του, αποσυνδέοντας έτσι το πού αποθηκεύονται τα δεδομένα από το ποιες εφαρμογές έχουν πρόσβαση σε αυτά.
Υπάρχουν ωστόσο ενδείξεις ότι το W-Social απαιτεί από τους χρήστες του να παραμένουν αποκλειστικά στο δικό του PDS. Αυτό σημαίνει πως η Επιτροπή δεν μπορεί να χρησιμοποιήσει το W-Social χωρίς να φιλοξενεί τα δεδομένα της στον δικό του Personal Data Server. Μια τέτοια αρχιτεκτονική υπονομεύει ακριβώς τη δυνατότητα μεταφοράς δεδομένων που το πρωτόκολλο σχεδιάστηκε να εγγυάται, δεσμεύοντας την ταυτότητα και το περιεχόμενο του χρήστη σε έναν και μόνο πάροχο —όπως κάνουν οι συμβατικές, κλειστές πλατφόρμες, κάτι που τα ανοιχτά πρωτόκολλα δημιουργήθηκαν ακριβώς για να αποτρέψουν.
Τα ανοιχτά πρωτόκολλα αντλούν την αξία τους από τη δυνατότητα προγραμματιστών, έργων και χρηστών να χτίζουν ελεύθερα πάνω σε κοινές υποδομές. Μια πλατφόρμα που περιορίζει τη δυνατότητα μεταφοράς δεδομένων, κλείνει τον πηγαίο κώδικά της και δεν προσφέρει διαφάνεια ως προς τον οδικό χάρτη της υποδομής της —ενώ ταυτόχρονα επωφελείται από ένα δίκτυο που έχει χτιστεί συλλογικά— κινδυνεύει να αντλεί αξία από το οικοσύστημα αντί να το ενισχύει. Σε αυτό το πλαίσιο, η γλώσσα της κυριαρχίας μοιάζει περισσότερο με ρητορική παρά με πραγματική αρχιτεκτονική επιλογή.
Η κυριαρχία αφορά την υποδομή, όχι την ιδιοκτησία
Το αν μια πλατφόρμα συνιστά, ουσιαστικά, μια «κυρίαρχη» εναλλακτική είναι ξεχωριστό ζήτημα από το πού βρίσκεται η έδρα της. Το ATproto διαχωρίζει σε επιμέρους επίπεδα ό,τι οι συμβατικές πλατφόρμες συνήθως συγκεντρώνουν σε ένα. Η κυριαρχία, σε αυτό το πλαίσιο, είναι πρωτίστως ζήτημα ελέγχου πάνω σε αυτά τα αλληλένδετα επίπεδα υποδομής.
Οι Personal Data Servers φιλοξενούν τα δεδομένα κάθε χρήστη. Οι Relays συγκεντρώνουν τις ενημερώσεις —αναρτήσεις, «μου αρέσει», κοινοποιήσεις— από τους Personal Data Servers και τις διανέμουν σε όλο το δίκτυο. Τα AppViews οργανώνουν και ευρετηριάζουν αυτή την πληροφορία, ώστε οι εφαρμογές να μπορούν να την εμφανίζουν στους χρήστες. Οι υπηρεσίες συντήρησης περιεχομένου, τέλος, καθορίζουν ποιο περιεχόμενο εμφανίζεται και υπό ποιες προϋποθέσεις.
Όπως έχουν σήμερα τα πράγματα, το W-Social φαίνεται να προσφέρει μόνο Personal Data Servers με έδρα στην ΕΕ. Η φιλοξενία δεδομένων χρηστών στο ευρωπαϊκό έδαφος μπορεί μεν να προσφέρει μια περιορισμένη μορφή δικαιοδοτικού ελέγχου, αποτελεί όμως μόνο ένα κομμάτι της ευρύτερης υποδομής.
Οι περιορισμοί αυτού του μερικού ελέγχου έγιναν ήδη ορατοί στην πράξη. Την περασμένη εβδομάδα, νέοι χρήστες του W-Social αδυνατούσαν επί ημέρες να αναρτήσουν, να κάνουν «μου αρέσει», να σχολιάσουν ή ακόμη και να επεξεργαστούν το προφίλ τους. Το W-Social είχε τεθεί σε καθεστώς περιορισμού ρυθμού (rate-limiting) από τον Relay του Bluesky, την υποδομή από την οποία εξακολουθεί να εξαρτάται για τη διανομή περιεχομένου στο δίκτυο ATproto. Ο περιορισμός αυτού του τύπου αποτελεί συνήθως μέτρο πρόληψης ανεπιθύμητης δραστηριότητας (spam), το περιστατικό όμως δείχνει με τον πιο απτό τρόπο τι σημαίνει στην πράξη η ελλιπής υποδομική κυριαρχία: μια πλατφόρμα μπορεί να έχει έδρα στην Ευρώπη και ταυτόχρονα να παραμένει στο έλεος λειτουργικών αποφάσεων που λαμβάνονται αλλού.
Ανεβαίνοντας στην ιεραρχία, οι εξαρτήσεις γίνονται ακόμη πιο κρίσιμες. Τα AppViews και τα συστήματα συντήρησης περιεχομένου είναι τα πιο απαιτητικά σε πόρους στοιχεία της υποδομής —και εκείνα όπου ο έλεγχος έχει τη μεγαλύτερη βαρύτητα. Χωρίς δικό του AppView, το W-Social παραμένει εξαρτημένο από το AppView και την υποδομή συντήρησης περιεχομένου του Bluesky, κάτι που στην πράξη δίνει στο Bluesky την τελική εξουσία πάνω στους παράγοντες, τη συμπεριφορά και το περιεχόμενο που επιτρέπεται στο δίκτυο. Ακόμη κι αν αποκτούσε δικό του, ανεξάρτητο AppView, η υποδομή συντήρησης περιεχομένου απαιτεί σημαντικούς πόρους —μια δέσμευση την οποία το W-Social δεν έχει, μέχρι στιγμής, σηματοδοτήσει δημόσια.
Όσο οι βασικές αποφάσεις συντήρησης περιεχομένου παραμένουν εξαρτημένες από υποδομή που λειτουργεί η Bluesky PBC, οι ισχυρισμοί περί κυριαρχίας και ανεξαρτησίας δύσκολα μπορούν να σταθούν. Ακόμη πιο θεμελιωδώς, η εξάρτηση από εξωτερική υποδομή περιορίζει εξαρχής τη δυνατότητα ανάπτυξης ουσιαστικά διαφορετικών συστημάτων σύστασης και μοντέλων επιμέλειας περιεχομένου.
Τα ζητήματα εξάρτησης υποδομής και επιχειρηματικού μοντέλου δεν αφορούν, βέβαια, αποκλειστικά το W-Social· είναι ζητήματα που οφείλει να αντιμετωπίσει κάθε πρωτοβουλία που ισχυρίζεται πως προσφέρει μια πραγματικά κυρίαρχη εναλλακτική. Το να χτίζει κανείς πάνω σε ανοιχτό πρωτόκολλο ενώ παραμένει εξαρτημένος από εξωτερική υποδομή, και να χρηματοδοτεί τη λειτουργία του μέσω διαφήμισης —όπως έχει ανακοινώσει ότι θα κάνει το W-Social— εγκυμονεί τον κίνδυνο να αναπαράγει ακριβώς τα κίνητρα που τέτοιες πρωτοβουλίες υποτίθεται πως θέλουν να ξεπεράσουν.
Αυτό που διακρίνει, τελικά, μια αξιόπιστη εναλλακτική δεν είναι η απουσία εξαρτήσεων, αλλά η προθυμία να τις αναγνωρίσει κανείς ανοιχτά και να χαράξει μια σαφή πορεία πέρα από αυτές. Η πρωτοβουλία Eurosky, για παράδειγμα, λειτουργεί ήδη έναν δικό της Relay με έδρα στην ΕΕ και έχει δημοσιοποιήσει αναπτυξιακό πλάνο που σηματοδοτεί με μεγαλύτερη σαφήνεια τους στόχους και το όραμά της, συμπεριλαμβανομένης της δημιουργίας ανεξάρτητου AppView και υποδομής συντήρησης περιεχομένου. Το Mastodon, βασισμένο στο πρωτόκολλο ActivityPub, προσφέρει εδώ και καιρό τη δυνατότητα πλήρως ανεξάρτητης λειτουργίας υποδομής. Το πρόσφατα ανακοινωθέν European Social Stack, τέλος, συγκεντρώνει πολλαπλές πρωτοβουλίες που χτίζουν πάνω σε διαφορετικά ανοιχτά πρωτόκολλα και σηματοδοτεί ρητά ανάλογες δεσμεύσεις.
Πύλη εισόδου, όχι απαραίτητα εναλλακτική
Ένα από τα πλεονεκτήματα των ανοιχτών πρωτοκόλλων είναι ότι η επένδυση ενός παρόχου μπορεί να ωφελήσει ολόκληρο το οικοσύστημα. Κάθε χρήστης που εντάσσεται στο W-Social εντάσσεται, ταυτόχρονα, και στο ευρύτερο δίκτυο ATproto: μπορεί να αλληλεπιδράσει με χρήστες στο Bluesky, στο Blacksky, στο Mu του Eurosky, ακόμη και σε υπηρεσίες που δεν έχουν δημιουργηθεί ακόμη. Με κατάλληλη υποδομή γεφύρωσης, είναι μάλιστα δυνατή η επικοινωνία και μεταξύ διαφορετικών πρωτοκόλλων —λ.χ. ανάμεσα σε εφαρμογές ActivityPub και ATproto.
Υπό αυτή την έννοια, το W-Social θα μπορούσε να λειτουργήσει ως μια ακόμη πύλη εισόδου προς έναν πιο αποκεντρωμένο κοινωνικό ιστό. Χάρη στην αυξημένη προβολή και τους μεγαλύτερους πόρους του, δεν αποκλείεται τελικά να επενδύσει σε δικό του, ανεξάρτητο AppView, σε υπηρεσίες συντήρησης περιεχομένου ή σε άλλα κομμάτια υποδομής που θα αποκέντρωναν περαιτέρω τον έλεγχο του δικτύου. Αν αυτές οι επενδύσεις υλοποιηθούν, θα μπορούσαν πράγματι να αποτελέσουν ουσιαστική συμβολή στην κυριαρχία των μέσων κοινωνικής δικτύωσης.
Ένα σαφέστερο σήμα προς αυτή την κατεύθυνση —δημόσιος οδικός χάρτης υποδομής και ανανεωμένη δέσμευση σε ανοιχτό κώδικα και διαλειτουργικότητα— θα ενίσχυε αισθητά τους ισχυρισμούς περί κυριαρχίας γύρω από το W-Social.
Αυτή η δυνατότητα, ωστόσο, συνυπάρχει προς το παρόν με μια πιο δύσκολη πραγματικότητα: με βάση τα σημερινά στοιχεία, οι χρήστες που μεταβαίνουν στο W-Social από το Bluesky κινούνται προς λιγότερη —όχι περισσότερη— ανοιχτότητα.
Παραμένει έτσι ο κίνδυνος η προσοχή και η πολιτική στήριξη να συγκεντρώνονται γύρω από πρωτοβουλίες των οποίων η προβολή στηρίζεται περισσότερο σε αφήγημα παρά σε αποδεδειγμένη δέσμευση στην ανοιχτή υποδομή, ενώ άλλες πρωτοβουλίες, πιο δεμένες με το ήθος των ανοιχτών υποδομών, δυσκολεύονται να αποκτήσουν την ίδια προβολή και τους ίδιους πόρους.
Η απόφαση της Επιτροπής και των στελεχών της να ενταχθούν στο W-Social —και η προβολή που της προσέδωσε αυτή η κίνηση— αποτελεί χαρακτηριστικό παράδειγμα. Η προβολή αυτή διαμορφώνει, εν τέλει, ποια έργα λαμβάνουν χρηματοδότηση και στήριξη, αλλά και ποια αντίληψη περί «κυριαρχίας» επικρατεί τελικά ως προεπιλογή. Αν δεν συνοδεύεται από σαφέστερα κριτήρια —ως προς την ανοιχτότητα, τη δυνατότητα μεταφοράς δεδομένων, την ανεξαρτησία της υποδομής και το επιχειρηματικό μοντέλο— μια τέτοια στήριξη κινδυνεύει να ανταμείβει τελικά το αφήγημα αντί για την ουσιαστική πρακτική.
Διαφορετικά μοντέλα, όχι απλώς διαφορετικές σημαίες
Ο τρόπος με τον οποίο σχεδιάζουμε τα οικοσυστήματα κοινωνικής δικτύωσης καθορίζει, σε μεγάλο βαθμό, τις συνθήκες υπό τις οποίες οι άνθρωποι έρχονται σε επαφή με την πληροφορία, διαμορφώνουν άποψη και συμμετέχουν στη δημόσια ζωή.
Πλατφόρμες βελτιστοποιημένες για την αλληλεπίδραση και χρηματοδοτούμενες μέσω διαφήμισης βασισμένης στην παρακολούθηση διαμορφώνουν αυτές τις συνθήκες με τρόπους που, σε μεγάλο βαθμό, λειτουργούν εις βάρος της ουσιαστικής ανταλλαγής. Οι κλειστές υποδομές επιδεινώνουν το πρόβλημα εκ σχεδιασμού: παραμένουν αδιαφανείς για τους χρήστες, δεν λογοδοτούν σε κανέναν δημοκρατικό έλεγχο και βασίζονται στο να κάνουν την έξοδο των χρηστών όσο το δυνατόν πιο δαπανηρή.
Η αρχιτεκτονική ανοιχτότητα δημιουργεί, τουλάχιστον, τη δυνατότητα εναλλακτικών λύσεων· επιτρέπει τον αλγοριθμικό πλουραλισμό και δίνει στους χρήστες την επιλογή ανάμεσα σε διαφορετικά μοντέλα επιμέλειας περιεχομένου, χωρίς όμως να τα εγγυάται αυτόματα. Χρειάζονται, πέρα από το επίπεδο του πρωτοκόλλου, συνειδητές επιλογές ως προς τον σχεδιασμό του προϊόντος, τη διακυβέρνηση και το επιχειρηματικό μοντέλο. Οι πραγματικές εναλλακτικές λύσεις προϋποθέτουν ανοιχτά πρωτόκολλα και διαλειτουργική υποδομή, αλλά εξίσου και συστήματα σύστασης και επιχειρηματικά μοντέλα που δεν στηρίζονται διαρθρωτικά στη σύλληψη και εκμετάλλευση της προσοχής των χρηστών.
Αν η κυριαρχία περιοριστεί στην εθνικότητα του φορέα λειτουργίας μιας πλατφόρμας, η ΕΕ κινδυνεύει να αναπαράγει ακριβώς τις εξαρτήσεις και τις διαρθρωτικές δυναμικές που επιδιώκει να αποφύγει. Μια ευρωπαϊκή πλατφόρμα χτισμένη γύρω από κλειστή υποδομή και συστήματα σύστασης βασισμένα στην αλληλεπίδραση κάνει ελάχιστα για να αντιμετωπίσει τις απειλές για τη δημοκρατία και την ασφάλεια των χρηστών στο διαδίκτυο, όποια κι αν είναι η χώρα καταχώρισής της.
Τα δομικά στοιχεία μιας καλύτερης λύσης υπάρχουν ήδη: σε ανοιχτά πρωτόκολλα, σε πρωτοβουλίες που ήδη επενδύουν σε ανεξάρτητη υποδομή, και στο ίδιο το Πακέτο Τεχνολογικής Κυριαρχίας της Επιτροπής, το οποίο θέτει τις σωστές προτεραιότητες. Σε μια νέα πρόσκληση υποβολής προτάσεων που δημοσιεύτηκε αυτή την εβδομάδα, η Επιτροπή δεσμεύει 1,48 εκατομμύρια ευρώ για μια υπηρεσία κοινωνικής δικτύωσης βασισμένη σε πρωτόκολλο, όπου οι χρήστες θα έχουν μεγαλύτερη ελευθερία επιλογής ως προς το πού αποθηκεύονται τα δεδομένα τους, πώς συντηρείται το περιεχόμενό τους και ποιες εφαρμογές θέλουν να χρησιμοποιούν για να συνδέονται με άλλους.
Η πρόκληση, τώρα, είναι να διασφαλιστεί ότι τέτοιες επενδύσεις και στηρίξεις θα ενισχύσουν πραγματικά την ανοιχτότητα και τη διαλειτουργικότητα της υποδομής κοινωνικής δικτύωσης —και όχι να παγιώσουν, μέσα σε αυτήν, νέες μορφές εξάρτησης.
Η νέα εγκύκλιος ως ευκαιρία για πραγματική πολιτική ανοικτών δεδομένων Η εγκύκλιος του Υπουργείου Ψηφιακής Διακυβέρνησης και Τεχνητής Νοημοσύνης, που εκδόθηκε στις 3 Ιουλίου 2026, δεν είναι μια ακόμη διοικητική υπενθύμιση. Είναι μια σημαντική ευκαιρία να περάσει η Ελλάδα από την τυπική ανάρτηση αρχείων στη συστηματική διακυβέρνηση δημόσιων δεδομένων. Η εγκύκλιος παρέχει ενιαίες οδηγίες για ... Read more
Over the past few days I changed
the way the uutils project’s
sed program
handles data to default from characters to raw bytes.
This improves compatibility with GNU sed and also performance.
Given the change’s size and extent
(13 changed files, 1740 insertions, 609 deletions),
I worked with an AI agent (OpenAI Codex),
which allowed me to experience first-hand both its power and limitations.
Το GlossAPI μετατρέπει δημόσια διοικητικά έγγραφα σε υποδομή για την ελληνική Τεχνητή Νοημοσύνη
Για να είναι αξιόπιστα τα ελληνικά γλωσσικά μοντέλα χρειάζονται μεγάλα και ποιοτικά σώματα κειμένων στα ελληνικά, τέτοια που να αποτυπώνουν πώς πραγματικά “γράφει” και “αποφασίζει” η δημόσια διοίκηση, η νομοθεσία και η αυτοδιοίκηση.
Με αυτό το σκεπτικό, το GlossAPI, μια πρωτοβουλία του Οργανισμού Ανοιχτών Τεχνολογιών – ΕΕΛΛΑΚ, ολοκλήρωσε ένα σημαντικό τεχνικό ορόσημο: τη μαζική εξαγωγή, αποθήκευση, επεξεργασία και ανοιχτή διάθεση ενός μεγάλου σώματος κειμένων από τη «Διαύγεια».
Το αποτέλεσμα είναι ένα corpus περίπου 2,8 εκατομμυρίων επεξεργασμένων εγγράφων, που προέκυψε από ένα αρχικό σύνολο 3.101.551 αρχείων PDF και των αντίστοιχων JSON μεταδεδομένων τους. Συνολικού όγκου περίπου 1,26 TB, αποτελεί μία από τις σημαντικότερες μέχρι σήμερα προσπάθειες να μετατραπούν ελληνικά δημόσια διοικητικά έγγραφα σε επεξεργάσιμο και δομημένο κείμενο, αξιοποιήσιμο για εφαρμογές επεξεργασίας φυσικής γλώσσας και Τεχνητής Νοημοσύνης.
Γιατί η «Διαύγεια» είναι κρίσιμη πηγή για την ελληνική ΤΝ
Πέρα από αποθετήριο διοικητικών αποφάσεων, η «Διαύγεια» είναι ένα από τα πιο σημαντικά θεσμικά εργαλεία διαφάνειας του ελληνικού Δημοσίου. Από το 2010 και μετά, εκατομμύρια πράξεις υπουργείων, δήμων, περιφερειών και δημόσιων φορέων δημοσιεύονται εκεί με μοναδικό αναγνωριστικό και ανοιχτή πρόσβαση.
Έτσι έχει συσσωρευτεί τεράστιος όγκος ελληνικού διοικητικού λόγου: αποφάσεις ανάληψης υποχρέωσης, μεταβολές ανθρώπινου δυναμικού, εγκρίσεις, συμβάσεις, κανονιστικές πράξεις, πράξεις συλλογικών οργάνων, προκηρύξεις, διορισμοί, δαπάνες και πλήθος άλλων εγγράφων που αποτυπώνουν την καθημερινή λειτουργία του κράτους.
Για την Τεχνητή Νοημοσύνη το υλικό αυτό έχει ιδιαίτερη αξία, καθώς μπορεί να τροφοδοτήσει την εκπαίδευση και την αξιολόγηση μοντέλων που κατανοούν τη διοικητική γλώσσα: μοντέλων που ταξινομούν έγγραφα, παράγουν περιλήψεις, εντοπίζουν οντότητες, βοηθούν στην ανωνυμοποίηση ευαίσθητων δεδομένων και υποστηρίζουν πιο διαφανείς δημόσιες υπηρεσίες. Με αυτή την έννοια, η «Διαύγεια» δεν έχει αξία μόνο ως εργαλείο λογοδοσίας· μπορεί να λειτουργήσει και ως υποδομή γνώσης για μια ανοιχτή, δημόσια και ελεγχόμενη ΤΝ στα ελληνικά.
Η τεχνική διαδικασία: από τα PDF στο καθαρό κείμενο
Η συλλογή και επεξεργασία εκατομμυρίων εγγράφων σε αυτή την κλίμακα απαιτεί σταθερή υποδομή, αυτοματοποίηση, έλεγχο σφαλμάτων και εργαλεία που αντέχουν μεγάλο όγκο ετερογενών αρχείων. Η ροή εργασίας της ομάδας του GlossAPI οργανώθηκε σε δύο φάσεις.
Η πρώτη αφορούσε τη μαζική εξαγωγή και αποθήκευση των δεδομένων. Η συλλογή έγινε μέσω του επίσημου OpenData API της «Διαύγειας», ενώ για τη διαχείριση του όγκου και την αξιοπιστία της διαδικασίας αξιοποιήθηκαν υποδομές Google Cloud Platform. Ολοκληρώθηκε τον Φεβρουάριο του 2026 με εξαιρετικά υψηλό ποσοστό επιτυχίας, της τάξης του 99,999%: μόλις 28 αποτυχημένες κλήσεις σε περίπου 3,1 εκατομμύρια έγγραφα.
Η δεύτερη φάση αφορούσε την επεξεργασία των PDF και την εξαγωγή του κειμένου. Χρησιμοποιήθηκε το εργαλείο που έχει αναπτύξει η ομάδα του GlossAPI και διατίθεται ως ανοιχτό λογισμικό στο αποθετήριο github.com/eellak/glossAPI. Ως σύστημα οπτικής αναγνώρισης χαρακτήρων ενσωματώθηκε το Rapid OCR, ώστε τα PDF να μετατραπούν σε δομημένο και επεξεργάσιμο κείμενο.
Όπως συμβαίνει σε κάθε μαζική επεξεργασία πραγματικών διοικητικών εγγράφων, ένα μέρος των αρχείων παρουσίασε τεχνικά προβλήματα: κάποια PDF ήταν κατεστραμμένα, άλλα είχαν μη τυποποιημένη κωδικοποίηση ή προβληματική εσωτερική δομή. Παρ’ όλα αυτά, περίπου 2,8 εκατομμύρια έγγραφα επεξεργάστηκαν επιτυχώς και είναι πλέον διαθέσιμα για περαιτέρω ανάλυση.
Τι δείχνει η ανάλυση του corpus
Η στατιστική εικόνα του συνόλου δεδομένων λέει αρκετά για το πώς παράγεται διοικητική πληροφορία στο ελληνικό Δημόσιο. Στο σύστημα της «Διαύγειας» εντοπίστηκαν 43 μοναδικοί τύποι αποφάσεων· από αυτούς οι 35 περιλαμβάνουν συνημμένα έγγραφα, ενώ 8 λειτουργούν ως γονικές οργανωτικές κατηγορίες χωρίς αρχεία. Στο ληφθέν dataset καταγράφηκαν 34 ενεργοί τύποι.
Η κατανομή είναι έντονα ανισοβαρής. Τρεις μόνο τύποι συγκεντρώνουν περίπου το 68% του συνολικού όγκου:
Εγκρίσεις, Αποφάσεις και Πράξεις, 2.4.7.1: 382.006 έγγραφα, 12,3%.
Ακολουθούν άλλες κατηγορίες, όπως εγκρίσεις δαπανών, κανονιστικές πράξεις, αναθέσεις, συμβάσεις, πράξεις συλλογικών οργάνων, προκηρύξεις και διοικητικές πράξεις της αυτοδιοίκησης.
Η κατανομή αυτή δείχνει ποιες μορφές διοικητικής πράξης κυριαρχούν στην καθημερινή παραγωγή του Δημοσίου, και ταυτόχρονα προσφέρει βάση για στοχευμένη ανάπτυξη μοντέλων. Ένα μοντέλο που εκπαιδεύεται σε τέτοιο υλικό δεν μαθαίνει γενικά «ελληνικά», αλλά τη συγκεκριμένη γλώσσα των δημόσιων αποφάσεων, των προμηθειών, των διοικητικών διαδικασιών και της θεσμικής τεκμηρίωσης.
Ένας σημαντικός τεχνικός περιορισμός
Κατά τη διάρκεια του έργου διαπιστώθηκε ένας κρίσιμος περιορισμός στο OpenData API της «Διαύγειας». Η αναζήτηση με βάση τα πεδία issueDate και submissionTimestamp φαίνεται να περιορίζεται από ένα κυλιόμενο χρονικό παράθυρο περίπου έξι μηνών.
Έτσι, το τρέχον dataset αποτυπώνει κυρίως την περίοδο Ιουλίου 2025 έως Φεβρουαρίου 2026 και δεν αποτελεί το πλήρες ιστορικό αρχείο της πλατφόρμας. Η απόσταση από το πλήρες αρχείο είναι μεγάλη: από το 2010 μέχρι σήμερα εκτιμάται ότι έχουν καταχωριστεί περίπου 73,8 εκατομμύρια αποφάσεις. Τα 3,1 εκατομμύρια συλλεγμένα έγγραφα και τα 2,8 εκατομμύρια επεξεργασμένα κείμενα είναι, επομένως, ένα πρώτο βήμα σε μια πολύ μεγαλύτερη προσπάθεια.
Το εύρημα αυτό αφορά και τη δημόσια πολιτική. Όταν τα δημόσια δεδομένα είναι προσβάσιμα μόνο μέσα από τεχνικούς περιορισμούς που δυσκολεύουν την πρόσβαση στο πλήρες ιστορικό, η ανοιχτότητα μένει μισή. Ουσιαστική ανοιχτότητα δεν σημαίνει απλώς δημοσίευση εγγράφων, αλλά και σταθερούς, τεκμηριωμένους και μηχανικά αξιοποιήσιμους τρόπους μαζικής πρόσβασης.
Ανοιχτή διάθεση στην ερευνητική και τεχνολογική κοινότητα
Απευθύνεται σε ερευνητές, προγραμματιστές, γλωσσολόγους, μηχανικούς δεδομένων, ομάδες ΤΝ, δημόσιους φορείς και κοινότητες ανοιχτού λογισμικού που θέλουν να δουλέψουν πάνω στην ελληνική διοικητική γλώσσα.
Η χρησιμότητά του δεν σταματά στην εκπαίδευση μεγάλων γλωσσικών μοντέλων. Μπορεί να αξιοποιηθεί και για:
αυτόματη ταξινόμηση διοικητικών εγγράφων,
εξαγωγή οντοτήτων, όπως φορείς, ποσά, ημερομηνίες και ΑΔΑ,
ανάλυση δημόσιων δαπανών και προμηθειών,
εργαλεία αναζήτησης και ερωταποκρίσεων με παραπομπές,
συστήματα περίληψης δημόσιων αποφάσεων,
ανωνυμοποίηση και ψευδωνυμοποίηση ευαίσθητων δεδομένων,
βελτίωση OCR και αξιολόγηση ελληνικών μοντέλων σε πραγματικά διοικητικά κείμενα.
Το σκεπτικό πίσω από τη διάθεση είναι ότι δεδομένα που παράγονται με δημόσιους πόρους οφείλουν, με σεβασμό στην προστασία των προσωπικών δεδομένων, να επιστρέφουν στην κοινωνία ως δημόσια γνώση και κοινό αγαθό.
Τα επόμενα βήματα
Η φάση που ολοκληρώθηκε ανοίγει τον δρόμο για την επόμενη. Το πρώτο ζητούμενο είναι να βρεθεί τρόπος ανάκτησης ενός αντιπροσωπευτικού συνόλου από ολόκληρο το ιστορικό αρχείο της «Διαύγειας», ώστε να γίνουν προσβάσιμες οι αποφάσεις από το 2010 και μετά με τρόπο σταθερό, επαναλήψιμο και τεχνικά βιώσιμο.
Παράλληλα χρειάζεται συνεχής βελτίωση του OCR pipeline. Τα παλαιότερα PDF, τα κακοσχηματισμένα αρχεία και οι διαφορετικές μορφές σάρωσης απαιτούν διαρκή βελτιστοποίηση· όσο μειώνεται το ποσοστό αποτυχίας, τόσο καλύτερη και πιο αντιπροσωπευτική γίνεται η συλλογή.
Πάνω σε αυτό το σώμα κειμένων μπορούν στη συνέχεια να αναπτυχθούν εξειδικευμένα ελληνικά μοντέλα και εργαλεία με συγκεκριμένη δημόσια αξία, αντί για γενικά μοντέλα χωρίς έλεγχο: εργαλεία που βοηθούν στη διαφάνεια, στην αναζήτηση δημόσιων πράξεων, στη σύνοψη αποφάσεων και στην υποστήριξη λειτουργών και πολιτών.
Καθοριστική, τέλος, είναι η τεκμηρίωση του dataset με σύγχρονες πρακτικές διαφάνειας: datasheets, περιγραφή μεθοδολογίας, γνωστούς περιορισμούς, στατιστικά ποιότητας, εκδόσεις και δυνατότητα αναπαραγωγής της διαδικασίας. Άλλωστε η ανοιχτή ΤΝ δεν εξαντλείται στον ανοιχτό κώδικα και τα ανοιχτά δεδομένα· περιλαμβάνει και την ανοιχτή τεκμηρίωση, που επιτρέπει σε άλλους να ελέγξουν, να βελτιώσουν και να επαναχρησιμοποιήσουν το έργο.
Από τη διαφάνεια στη δημόσια Τεχνητή Νοημοσύνη
Η δουλειά πάνω στα δεδομένα της «Διαύγειας» φέρνει στην επιφάνεια ένα ευρύτερο ζήτημα: η Ελλάδα διαθέτει ήδη τεράστιο δημόσιο γλωσσικό και διοικητικό απόθεμα. Το ερώτημα είναι αν αυτό θα μείνει κλειδωμένο σε PDF και αποσπασματικές αναζητήσεις ή αν θα γίνει ανοιχτή υποδομή για την επόμενη γενιά δημόσιων ψηφιακών υπηρεσιών.
Το GlossAPI επιδιώκει το δεύτερο: να μετατραπούν τα δημόσια έγγραφα σε ανοιχτά, τεκμηριωμένα και αξιοποιήσιμα σύνολα δεδομένων, ώστε η ελληνική γλώσσα να έχει θέση στην εποχή της ΤΝ και να στηρίζονται ανοιχτά μοντέλα που δεν εξαρτώνται αποκλειστικά από κλειστές πλατφόρμες. Ζητούμενο, τελικά, είναι μια δημόσια ΤΝ στην υπηρεσία της διαφάνειας, της λογοδοσίας και του κοινού συμφέροντος.
Η «Διαύγεια» υπήρξε ένα από τα σημαντικότερα βήματα θεσμικής διαφάνειας στη χώρα. Το επόμενο είναι να γίνει, με ανοιχτό και υπεύθυνο τρόπο, μέρος της δημόσιας υποδομής γνώσης για την ελληνική Τεχνητή Νοημοσύνη.
With ever-more program code created through generative AI,
it is important to document its provenance.
In industry this can help
diagnose the root cause of problems discovered long after the code was written,
locate issues with a similar cause,
and evaluate the cost and benefits of AI.
In educational settings it can help students be honest, mindful, reflective,
and transparent regarding their use of generative AI
and provide educators with data they can use
to evaluate objectively student work.
In both settings, provenance information can guide a code review’s focus
because humans and AI fail in different ways .
Περισσότερες από τριάντα οργανώσεις της κοινωνίας των πολιτών από ολόκληρη την Ευρώπη, ανάμεσα τους και ο Οργανισμός Ανοιχτών Τεχνολογιών -ΕΕΛΛΑΚ, απηύθυναν ανοιχτή επιστολή στα μέλη του Ευρωπαϊκού Κοινοβουλίου με αφορμή την πρόταση του λεγόμενου Digital Omnibus. Το αίτημά τους είναι σαφές: να διαφυλαχθεί η χρήση πρότυπων ανοικτών αδειών (open standard licences) για την πληροφορία του δημόσιου τομέα — άδειες που, όπως υπογραμμίζουν, αποτελούν έναν από τους ακρογωνιαίους λίθους του ευρωπαϊκού πλαισίου ανοιχτών δεδομένων.
Τι διακυβεύεται
Ο Digital Omnibus παρουσιάζεται ως πρωτοβουλία απλοποίησης της ψηφιακής νομοθεσίας της ΕΕ. Στην ουσία, ενσωματώνει την Οδηγία για τα Ανοιχτά Δεδομένα (Open Data Directive) —μαζί με άλλα κείμενα, όπως τον Data Governance Act και τον Κανονισμό για την ελεύθερη ροή μη προσωπικών δεδομένων— στον Data Act.
Μέσα σε αυτή τη συγχώνευση, ωστόσο, εισάγεται μια αλλαγή που μοιάζει επουσιώδης αλλά έχει βαθιές προεκτάσεις: η πρόταση επιτρέπει στους δημόσιους φορείς να επιβάλλουν όρους αδειοδότησης διαφορετικούς ανά κατηγορία χρήστη (actor-specific licence conditions). Η σκοπιμότητα του μέτρου είναι κατανοητή: στοχεύει κυρίως στις πολύ μεγάλες επιχειρήσεις —ιδίως στους «gatekeepers» του Digital Markets Act— ώστε να μην αξιοποιούν τη δεσπόζουσα θέση τους εις βάρος του ανταγωνισμού. Οι υπογράφουσες οργανώσεις, όμως, προειδοποιούν ότι πρόκειται για ριζική απομάκρυνση από την Οδηγία για τα Ανοιχτά Δεδομένα — ένα πλαίσιο που έχει ωριμάσει και βελτιωθεί επί περισσότερα από είκοσι χρόνια.
Γιατί έχουν σημασία οι πρότυπες ανοικτές άδειες
Η ίδια η ΕΕ προωθεί εδώ και χρόνια τις πρότυπες ανοικτές άδειες —όπως οι Creative Commons (CC0, CC BY)—, ακριβώς επειδή ενισχύουν στον μέγιστο βαθμό τη νομική ασφάλεια και τη διαλειτουργικότητα, περιορίζοντας παράλληλα το κόστος των συναλλαγών. Ένα κοινό πλαίσιο για την επαναχρησιμοποίηση της δημόσιας πληροφορίας αποφέρει απτά οφέλη:
Καλύτερη πρόσβαση σε αξιόπιστη πληροφορία. Ποιοτικά δημόσια δεδομένα μπορούν να επαναχρησιμοποιηθούν ελεύθερα από έργα ανοιχτής γνώσης, όπως η Wikipedia, η Wikidata και το OpenStreetMap, αλλά και από αναρίθμητες εφαρμογές δημόσιου συμφέροντος που μειώνουν την εξάρτηση από ιδιόκτητες πλατφόρμες.
Μεγαλύτερη διαφάνεια στη διακυβέρνηση. Η ανοιχτά αδειοδοτημένη δημόσια πληροφορία ενισχύει τη λογοδοσία, τη δημοκρατική συμμετοχή και την εμπιστοσύνη στους θεσμούς.
Έρευνα και καινοτομία. Επίσημα στατιστικά, περιβαλλοντικά δεδομένα και ψηφιακή πολιτιστική κληρονομιά τροφοδοτούν την έρευνα, τη νέα επιχειρηματικότητα και την τεχνολογική ανάπτυξη.
Το πρόβλημα με τις «κατά περίπτωση» άδειες
Το κεντρικό επιχείρημα της επιστολής είναι ότι η επιβολή διαφοροποιημένων όρων αδειοδότησης για τις πολύ μεγάλες εταιρείες επιφέρει μια ανεπιθύμητη παρενέργεια: δυσχεραίνει την επαναχρησιμοποίηση για όλους, όχι μόνο για τους γίγαντες τους οποίους υποτίθεται ότι στοχεύει.
Η αντικατάσταση των πρότυπων ανοικτών αδειών από εξατομικευμένες, «κατά χρήστη» άδειες θα υπονόμευε τη νομική ασφάλεια και τη διαλειτουργικότητα. Θα εκτόξευε το κόστος για όλους, αναγκάζοντας ερευνητές και νεοφυείς επιχειρήσεις να συμμορφώνονται με ένα πλήθος διαφορετικών νομικών όρων ή να διαπραγματεύονται ξεχωριστά άδειες με —συχνά υποστελεχωμένους— δημόσιους φορείς. Στην πράξη, θα καθιστούσε αδύνατη την αξιοποίηση της δημόσιας πληροφορίας από έργα δημόσιου συμφέροντος, όπως η Wikipedia, η Wikidata και το OpenStreetMap.
Οι οργανώσεις επισημαίνουν, ακόμη, ότι ο ίδιος στόχος —η αντιμετώπιση των μεγάλων παικτών— μπορεί να επιτευχθεί με άλλα εργαλεία: οι μηχανισμοί χρέωσης λειτουργούν ανεξάρτητα από τους όρους αδειοδότησης. Ένας δημόσιος φορέας μπορεί, λόγου χάρη, να εφαρμόσει κλιμακωτά τέλη για την πρόσβαση μέσω API, χωρίς να θίγει τα δικαιώματα επαναχρησιμοποίησης. Οι περιοριστικές άδειες, επομένως, δεν είναι ούτε αναγκαίες ούτε αναλογικές για την αντιμετώπιση των οικονομικών ασυμμετριών.
Πού βρίσκεται η διαδικασία
Σύμφωνα με την επιστολή, το σχέδιο έκθεσης των αρμόδιων επιτροπών ITRE και LIBE, καθώς και το σχέδιο γνωμοδότησης της IMCO, δεν αντιμετωπίζουν αυτή την προβληματική αλλαγή. Η επιτροπή JURI θίγει το ζήτημα στη δική της γνωμοδότηση, ωστόσο η λύση που προτείνει κρίνεται ανεπαρκής. Το Ευρωπαϊκό Κοινοβούλιο, τονίζουν οι οργανώσεις, καλείται να διαδραματίσει καθοριστικό ρόλο στο στάδιο που βρίσκεται η διαδικασία.
Τι ζητάμε
Οι υπογράφουσες οργανώσεις καλούν τα μέλη του Ευρωπαϊκού Κοινοβουλίου:
Να απαλείψουν τη δυνατότητα επιβολής όρων αδειοδότησης ανά κατηγορία χρήστη (άρθρο 32r(4) της πρότασης).
Να ενισχύσουν την υποχρέωση χρήσης πρότυπων ανοικτών αδειών (άρθρο 32r(3)).
Στις 9 Ιουνίου 2026, η ευρωπαϊκή αγορά λογισμικού υποδέχτηκε μια από τις πιο συζητημένες κυκλοφορίες των τελευταίων ετών: το Euro-Office 1.0. Δημιουργημένο από έναν ισχυρό συνασπισμό ευρωπαϊκών εταιρειών και οργανισμών (όπως οι Nextcloud, IONOS, XWiki, OpenProject, Soverin και άλλοι), το λογισμικό παρουσιάστηκε ως η ευρωπαϊκή απάντηση στην κυριαρχία του Microsoft 365 και του Google Workspace. Στόχος του; Η εδραίωση της λεγόμενης «ψηφιακής κυριαρχίας» (digital sovereignty) στην Ευρώπη.
Σήμερα, 9 Ιουλίου, ακριβώς ένα μήνα μετά την επίσημη κυκλοφορία του, η σκόνη αρχίζει να κατακάθεται. Ποιος είναι ο απολογισμός αυτών των πρώτων 30 ημερών; Πώς υποδέχτηκε η κοινότητα το νέο εγχείρημα και ποιες ήταν οι εντονότερες αντιδράσεις;
Το χρονικό της κυκλοφορίας και η στρατηγική τοποθέτηση
Το Euro-Office δεν λανσαρίστηκε ως ένα παραδοσιακό, αυτόνομο πρόγραμμα που κατεβάζει και εγκαθιστά ο μέσος χρήστης στον υπολογιστή του. Αντιθέτως, τοποθετήθηκε στρατηγικά ως μια web-based σουίτα και ένας διακομιστής εγγράφων (document server) που ενσωματώνεται σε υπάρχουσες πλατφόρμες συνεργασίας. Αυτή η προσέγγιση απευθύνεται κυρίως σε ευρωπαϊκές επιχειρήσεις, κυβερνητικούς φορείς και ακαδημαϊκά ιδρύματα που επιθυμούν να διατηρούν τα δεδομένα τους εντός ευρωπαϊκών συνόρων, μακριά από τους διακομιστές αμερικανικών κολοσσών.
Τις πρώτες εβδομάδες κυκλοφορίας, τα στατιστικά λήψεων και υιοθέτησης (κυρίως μέσω της ενσωμάτωσης στο Nextcloud) έδειξαν σημαντικό ενδιαφέρον από τον ευρωπαϊκό δημόσιο τομέα. Οι αναφορές της αγοράς υποδεικνύουν ότι αρκετοί οργανισμοί ξεκίνησαν πιλοτικά προγράμματα για να αξιολογήσουν τη συμβατότητα του Euro-Office με τα υφιστάμενα αρχεία τους, τα οποία είναι ως επί το πλείστον μορφής Microsoft (DOCX, XLSX).
Η μεγάλη σύγκρουση: Το LibreOffice περνάει στην αντεπίθεση
Αν υπήρξε ένα γεγονός που επισκίασε την τεχνολογική πλευρά της κυκλοφορίας, αυτό ήταν η σφοδρή αντίδραση του Document Foundation, του οργανισμού πίσω από το ιστορικό LibreOffice. Η σύγκρουση αυτή ανέδειξε βαθιές φιλοσοφικές διαφορές στους κόλπους του ανοιχτού κώδικα.
«Ένας Freeware κλώνος του Microsoft Office»
Οι εκπρόσωποι του LibreOffice δεν μάσησαν τα λόγια τους. Με δημόσιες τοποθετήσεις τους, άσκησαν δριμεία κριτική στο Euro-Office, χαρακτηρίζοντάς το ως έναν «freeware κλώνο του Microsoft Office» που απλώς εκμεταλλεύεται τον όρο της «ψηφιακής κυριαρχίας» για λόγους μάρκετινγκ. Η κριτική τους εστιάστηκε στο γεγονός ότι το Euro-Office δεν είναι η πρώτη ευρωπαϊκή σουίτα ανοιχτού κώδικα, υπενθυμίζοντας τη μακρά ιστορία του ίδιου του LibreOffice στην Ευρώπη.
Το πρόβλημα των μορφότυπων (Formats): OOXML εναντίον ODF
Ο πυρήνας της διαμάχης ήταν η απόφαση του Euro-Office να υιοθετήσει τα πρότυπα OOXML της Microsoft (τα γνωστά αρχεία .docx, .xlsx, .pptx) ως την προεπιλεγμένη και βέλτιστα υποστηριζόμενη μορφή εγγράφων. Το Document Foundation υποστήριξε σθεναρά ότι η πραγματική ευρωπαϊκή ψηφιακή ανεξαρτησία δεν μπορεί να επιτευχθεί όσο η ήπειρος παραμένει προσδεδεμένη στα πρότυπα (formats) μιας αμερικανικής εταιρείας.
Σύμφωνα με τους επικριτές, ένα αληθινά κυρίαρχο λογισμικό θα έπρεπε να δίνει προτεραιότητα στο ανοιχτό πρότυπο ODF (OpenDocument Format). Από την πλευρά της κοινοπραξίας του Euro-Office, η απάντηση ήταν ξεκάθαρα πραγματιστική: για να πειστούν οι οργανισμοί να εγκαταλείψουν τη Microsoft, η μετάβαση πρέπει να είναι ανώδυνη και η πλήρης συμβατότητα με τα δισεκατομμύρια ήδη υπάρχοντα αρχεία OOXML είναι αδιαπραγμάτευτη.
Το ζήτημα της προέλευσης: Το Fork του ONLYOFFICE
Ο πρώτος μήνας έφερε επίσης στην επιφάνεια συζητήσεις γύρω από την προέλευση του κώδικα του Euro-Office. Η νέα σουίτα δεν γράφτηκε από το μηδέν, αλλά αποτελεί "fork" του υπάρχοντος κώδικα του ONLYOFFICE.
Αυτό προκάλεσε νομικές και ηθικές συζητήσεις. Η δημιουργός εταιρεία του ONLYOFFICE, Ascensio System SIA, εξέφρασε δυσαρέσκεια, υποστηρίζοντας ότι η κοινοπραξία παραβίασε όρους της άδειας AGPLv3, κυρίως όσον αφορά την αφαίρεση λογότυπων και αναφορών στην αρχική εταιρεία. Αντίθετα, οργανισμοί για την προάσπιση του ελεύθερου λογισμικού, όπως το Free Software Foundation, υποστήριξαν τους προγραμματιστές του Euro-Office, υπογραμμίζοντας ότι η αφαίρεση περιοριστικών λογότυπων είναι απολύτως νόμιμη και σύμφωνη με το πνεύμα του ανοιχτού κώδικα.
Επιπρόσθετα, ένα μεγάλο μέρος των εργασιών τον πρώτο μήνα από την ομάδα του Euro-Office επικεντρώθηκε στην «εκκαθάριση» του κώδικα. Αφαιρέθηκαν ασαφή τμήματα και σχόλια στη ρωσική γλώσσα, με στόχο να αυξηθεί η διαφάνεια του έργου και να ενισχυθεί η εμπιστοσύνη των ευρωπαϊκών θεσμών προς την πλατφόρμα.
Πού βρίσκεται το έργο σήμερα, ένα μήνα μετά
Ένας μήνας μετά, το EuroOffice παραμένει ζωντανό project με σταθερή δραστηριότητα ανάπτυξης: τα βασικά αποθετήρια στο GitHub (DocumentServer, core, web-apps, desktop-apps) δείχνουν συνεχή commits μέχρι και τις πρώτες ημέρες του Ιουλίου, ένδειξη ότι η κοινοπραξία συνεχίζει να επενδύει ενεργά στο έργο.
Στο επίπεδο της διάθεσης, η εικόνα είναι σταδιακή παρά εκρηκτική:
Το Nextcloud Hub 26 Spring προσφέρει ήδη το EuroOffice ως εναλλακτική επιλογή δίπλα στο Collabora.
Η IONOS έχει ενεργοποιήσει το EuroOffice για πελάτες του διαχειριζόμενου Nextcloud, με πλήρη ένταξη στο Nextcloud Workspace να αναμένεται αργότερα μέσα στο καλοκαίρι.
Η XWiki σχεδιάζει ενσωμάτωση εντός του τέταρτου τριμήνου του 2026.
Το Office.eu προχωρά σε δική του ενσωμάτωση, κυρίως για μικρομεσαίες επιχειρήσεις.
Με άλλα λόγια, ένας μήνας μετά, το EuroOffice δεν είναι ακόμα κάτι που ο μέσος χρήστης «κατεβάζει» απευθείας, παραμένει, κατά κύριο λόγο, ένα εργαλείο ενσωματωμένο σε ήδη υπάρχουσες πλατφόρμες συνεργασίας, με σταδιακή, όχι άμεση, διάθεση σε ευρύτερο κοινό.
Τι λένε οι πρώτες πραγματικές δοκιμές
Πέρα από τη θεωρητική συζήτηση περί κυριαρχίας, ξεκίνησαν να εμφανίζονται και πρακτικές αξιολογήσεις. Δημοσιογράφοι που δοκίμασαν το EuroOffice σε πραγματικές εγκαταστάσεις Nextcloud περιέγραψαν μια εμπειρία που λειτουργεί, αλλά είναι ακόμα «ανεπεξέργαστη»: το βασικό editor και η συνεργασία σε πραγματικό χρόνο δουλεύουν, όμως η διαμόρφωση παραμένει απαιτητική για μη τεχνικούς χρήστες, ενώ σε αρκετά σημεία του περιβάλλοντος εξακολουθεί να διακρίνεται η «ταυτότητα» του OnlyOffice, από το οποίο προήλθε το fork. Η γενική εκτίμηση πολλών αναλυτών είναι ότι πρόκειται περισσότερο για ένα ισχυρό τεχνικό preview παρά για ένα ολοκληρωμένο προϊόν έτοιμο για μαζική παραγωγική χρήση, κάτι που όπως σημειώνουν, αναμένεται να αλλάξει τους επόμενους μήνες.
Τι ακολουθεί
Η ίδια η κοινοπραξία έχει ήδη ανακοινώσει τις προτεραιότητες του οδικού χάρτη: ανάπτυξη εγγενών εφαρμογών για Windows, macOS και Linux, καθώς και για Android και iOS, βελτιωμένη υποστήριξη του ανοιχτού προτύπου ODF, ζήτημα που παραμένει το πιο ευαίσθητο σημείο κριτικής· και βαθύτερη ενσωμάτωση με τις υπόλοιπες πλατφόρμες της κοινοπραξίας. Παράλληλα, συζητείται και η σταδιακή προσθήκη εργαλείων τεχνητής νοημοσύνης για υποβοηθούμενη συγγραφή και διαχείριση email.
Συνοπτικός απολογισμός των 30 ημερών
Υιοθέτηση: Σταθερή άνοδος κυρίως μέσω ενσωματώσεων σε επιχειρησιακές πλατφόρμες όπως το Nextcloud.
Χρηστικότητα: Θετικές αξιολογήσεις για το περιβάλλον εργασίας, το οποίο θυμίζει έντονα το "Ribbon" του MS Office, διευκολύνοντας την ομαλή μετάβαση των χρηστών.
Συμβατότητα: Εξαιρετική διαχείριση αρχείων της Microsoft, αλλά μέτρια υποστήριξη του ανοιχτού προτύπου ODF, γεγονός που παραμένει το κύριο σημείο τριβής.
Κοινότητα: Διχασμένη, με τη μερίδα του LibreOffice να τηρεί επιθετική στάση απέναντι στις πρακτικές μάρκετινγκ του νέου εγχειρήματος.
Συμπέρασμα
Ο πρώτος μήνας ζωής του Euro-Office 1.0 ήταν επεισοδιακός αλλά αναμφίβολα επιτυχημένος ως προς την πρόκληση συζητήσεων. Επανέφερε στο προσκήνιο τον ζωτικό διάλογο για το τι σημαίνει πραγματικά «ψηφιακή κυριαρχία». Είναι η ικανότητα να φιλοξενείς τα δεδομένα σου στους δικούς σου διακομιστές, έστω και χρησιμοποιώντας αμερικανικά πρότυπα αρχείων; Ή μήπως είναι η πλήρης ανεξαρτησία τόσο στην υποδομή όσο και στα πρότυπα, όπως πρεσβεύει το LibreOffice;
Ανεξάρτητα από το ποια πλευρά υποστηρίζει κανείς, η είσοδος ενός τόσο ισχυρού, συνεργατικού παίκτη στην ευρωπαϊκή αγορά ανοιχτού κώδικα προσφέρει στους οργανισμούς περισσότερες εναλλακτικές λύσεις από ποτέ. Ο επόμενος στόχος για το Euro-Office δεν είναι πλέον η κυκλοφορία, αλλά η διατήρηση της εμπιστοσύνης, η νομική του θωράκιση και η απόδειξη ότι μπορεί να αντέξει την πίεση των πραγματικών εταιρικών απαιτήσεων.
Στις 30 Ιουνίου 2026, το Παρατηρητήριο Ανοιχτού Κώδικα της ΕΕ (OSOR) διοργάνωσε το διαδικτυακό εργαστήριο «Driving Public Value Through Open Source Artificial Intelligence» («Δημιουργώντας δημόσια αξία μέσω της Τεχνητής Νοημοσύνης ανοιχτού κώδικα»). Το εργαστήριο εξέτασε τον ρόλο της ΤΝ ανοιχτού κώδικα στον δημόσιο τομέα, παρουσίασε συγκεκριμένα παραδείγματα εφαρμογής και ανέδειξε τις πρακτικές προκλήσεις —αλλά και τις πιθανές λύσεις— για την υιοθέτησή της από τις δημόσιες διοικήσεις.
Το ευρωπαϊκό πλαίσιο πολιτικής
Ο Miguel Diez Blanco (Γενική Διεύθυνση Πληροφορικής – DIGIT, Ευρωπαϊκή Επιτροπή) άνοιξε τις εργασίες με μια επισκόπηση των πρόσφατων εξελίξεων στην πολιτική της ΕΕ για τον ανοιχτό κώδικα και την Τεχνητή Νοημοσύνη, μεταξύ των οποίων:
Η Πράξη της ΕΕ για την Τεχνητή Νοημοσύνη (EU AI Act), η οποία αναγνωρίζει τον ανοιχτό κώδικα ως μοχλό καινοτομίας και προβλέπει εξαιρέσεις από ορισμένες υποχρεώσεις διαφάνειας για τα μη εμπορικά μοντέλα ΤΝ ανοιχτού κώδικα.
Ο Paul van Branteghem, στρατηγικός σύμβουλος για την ΤΝ στην ισπανική Υφυπουργία Ψηφιακού Μετασχηματισμού και Τεχνητής Νοημοσύνης, παρουσίασε το ALIA: μια δημόσια και ανοιχτή υποδομή ΤΝ για την ανάπτυξη, την αξιολόγηση και τη διάθεση πολυγλωσσικών θεμελιωδών μοντέλων για την ισπανική γλώσσα και τις συνεπίσημες γλώσσες της χώρας. Αναφέρθηκε στη διαδρομή που οδήγησε στη δημιουργία του ALIA, στον καθοριστικό ρόλο του Υπερυπολογιστικού Κέντρου της Βαρκελώνης (Barcelona Supercomputing Center), στα βασικά θεμελιώδη μοντέλα του έργου, καθώς και στους λόγους για τους οποίους επιλέχθηκε ο ανοιχτός κώδικας και στις δυσκολίες που προέκυψαν στην πορεία.
EuroLLM — Πορτογαλία
Ο André Martins, επικεφαλής επιστημονικός διευθυντής (Chief Science Officer) της TransPerfect και αναπληρωτής καθηγητής στο Instituto Superior Técnico της Λισαβόνας, παρουσίασε το EuroLLM: ένα πολυγλωσσικό μεγάλο γλωσσικό μοντέλο ανοιχτού κώδικα που υποστηρίζει και τις 24 επίσημες γλώσσες της ΕΕ, καθώς και αρκετές ακόμη. Παρουσίασε την ομάδα και τις συνεργασίες πίσω από την ανάπτυξή του, τις επιδόσεις του σε σύγκριση με μοντέλα αντίστοιχου μεγέθους, καθώς και χαρακτηριστικά παραδείγματα χρήσης. Αναφέρθηκε, τέλος, στις ερευνητικές κατευθύνσεις της ομάδας: όραση υπολογιστών, βίντεο, συνθετικά δεδομένα ομιλίας, πολυτροπικός και πολυγλωσσικός συλλογισμός, επεξεργασία εκτενών συμφραζομένων και εξατομικευμένα γλωσσικά μοντέλα.
TildeOpen LLM — Λετονία
Ο Artūrs Vasiļevskis, διευθύνων σύμβουλος και πρόεδρος του ΔΣ της Tilde, παρουσίασε το TildeOpen LLM, το θεμελιώδες ανοιχτό μοντέλο ΤΝ της εταιρείας. Ανέλυσε πώς οι γεωπολιτικές εντάσεις αποτυπώνονται στο πεδίο της ΤΝ —από την περιορισμένη διεθνή διαθεσιμότητα κορυφαίων αμερικανικών μοντέλων έως τη «μόλυνση» των δεδομένων εκπαίδευσης από πηγές που συνδέονται με ρωσική προπαγάνδα— υπογραμμίζοντας την ανάγκη για ευρωπαϊκές λύσεις ΤΝ. Παρουσίασε τα στάδια ανάπτυξης του μοντέλου, συγκριτικά στοιχεία επιδόσεων, καθώς και την πλατφόρμα Tilde AI, με λειτουργίες μετάφρασης, περίληψης, απομαγνητοφώνησης, ανωνυμοποίησης και ευφυούς επεξεργασίας εγγράφων.
Η συζήτηση στρογγυλής τραπέζης: Δύο κρίσιμα ερωτήματα
Αν μια δημόσια διοίκηση ήθελε να αρχίσει από αύριο να χρησιμοποιεί τα μοντέλα σας, ποιο θα ήταν το πρώτο βήμα;
Οι ομιλητές συμφώνησαν ότι η υιοθέτηση πρέπει να ξεκινά από μια σαφή ανάγκη και μια καλά ορισμένη πρόταση αξίας. Ορισμένες λύσεις μπορούν να τεθούν σε λειτουργία γρήγορα, ενώ άλλες απαιτούν πρόσθετη εκπαίδευση και προσαρμογή. Η έγκαιρη συμμετοχή των χρηστών είναι απαραίτητη για τον εντοπισμό των πραγματικών αναγκών και την αποτίμηση της ετοιμότητας του οργανισμού. Η επιτυχής εφαρμογή δεν εξαρτάται μόνο από το ίδιο το μοντέλο, αλλά και από την τεχνογνωσία και τη συνεργασία που απαιτούνται για την ενσωμάτωσή του στα δεδομένα και τις διαδικασίες κάθε φορέα. Όλα τα έργα που παρουσιάστηκαν διαθέτουν πόρους και τεκμηρίωση σε αποθετήρια GitHub ή Hugging Face.
Μπορεί ο ανοιχτός κώδικας να διασφαλίσει τη δίκαιη πρόσβαση στην ΤΝ; Ποιο είναι το επιχείρημα υπέρ της ευρωπαϊκής κυριαρχίας;
Η συζήτηση ανέδειξε την ΤΝ ανοιχτού κώδικα ως βασικό μοχλό καινοτομίας, συνεργασίας και ευρωπαϊκής ψηφιακής κυριαρχίας. Οι ομιλητές συμφώνησαν ότι οι προσεγγίσεις ανοιχτού κώδικα μπορούν να μειώσουν την εξάρτηση από ξένους παρόχους, να ενισχύσουν τον έλεγχο επί των δεδομένων του δημόσιου τομέα και να επιταχύνουν την έρευνα και τη διάχυση της γνώσης. Συζητήθηκε επίσης η ανταγωνιστικότητα των ευρωπαϊκών μοντέλων σε σχέση με τα κορυφαία ανοιχτά μοντέλα από τις ΗΠΑ και την Κίνα, ενώ επισημάνθηκε ότι η κυριαρχία προϋποθέτει επενδύσεις όχι μόνο σε ευρωπαϊκά μοντέλα ΤΝ, αλλά σε ολόκληρη την τεχνολογική αλυσίδα.
Η φωνή των συμμετεχόντων: Έργα, προκλήσεις και ευκαιρίες
Στο διαδραστικό μέρος του εργαστηρίου, οι συμμετέχοντες μοιράστηκαν τις εμπειρίες τους μέσω της πλατφόρμας ψηφοφορίας ανοιχτού κώδικα Pingo.
Ως προς το επίπεδο εμπειρίας, το κοινό εμφάνισε ισορροπημένη κατανομή ανάμεσα στη διερεύνηση και την εφαρμογή: το 30% χρησιμοποιεί ήδη ΤΝ ανοιχτού κώδικα σε υπηρεσίες που βρίσκονται σε λειτουργία και ένα ακόμη 30% τη διερευνά ενεργά, ενώ οι υπόλοιποι είτε υλοποιούν πιλοτικά έργα είτε δεν έχουν ακόμη ξεκινήσει. Στις πρακτικές εφαρμογές κυριάρχησαν η περίληψη και η σύνταξη κειμένων (67%) και η μετάφραση εγγράφων (61%), ενώ ακολούθησαν τα chatbots για εσωτερική χρήση ή για την εξυπηρέτηση των πολιτών (44%).
Ως προς τα εμπόδια υιοθέτησης, κορυφαία πρόκληση αναδείχθηκε η ποιότητα και η διαθεσιμότητα των δεδομένων (58%), με δεύτερη την περιορισμένη πρόσβαση σε υπολογιστική υποδομή, όπως GPU και πόρους υπολογιστικού νέφους (50%). Οι προκλήσεις αυτές επιβεβαιώθηκαν και από συγκεκριμένα παραδείγματα, όπου η έλλειψη εξοπλισμού, τα περιορισμένα τοπικά μοντέλα και η ελλιπής τεχνική τεκμηρίωση καθυστέρησαν σχετικές πρωτοβουλίες. Με το βλέμμα στο μέλλον, οι συμμετέχοντες εξέφρασαν την επιθυμία να δουν ανταγωνιστικά ευρωπαϊκά μοντέλα ΤΝ.
Συμπεράσματα
Το εργαστήριο κατέληξε στο συμπέρασμα ότι η ΤΝ ανοιχτού κώδικα διαθέτει σημαντικές δυνατότητες να στηρίξει τον εκσυγχρονισμό της δημόσιας διοίκησης, ενισχύοντας παράλληλα την ψηφιακή κυριαρχία, τη διαφάνεια και τη συνεργασία. Έργα όπως το ALIA, το EuroLLM και το TildeOpen LLM προσέφεραν απτά παραδείγματα εφαρμογής και σκιαγράφησαν τα πρώτα βήματα για τις δημόσιες διοικήσεις που επιθυμούν να κάνουν την αρχή.
Χρήσιμοι σύνδεσμοι και πόροι
Παρουσιάσεις του εργαστηρίου: Όλες οι διαφάνειες και το υλικό είναι διαθέσιμα εδώ.
Βιντεοσκόπηση: Παρακολουθήστε ολόκληρη τη συνεδρία εδώ.
Γιατί τα ελληνικά χρειάζονται δική τους ροή επεξεργασίας δεδομένων
Τα σύγχρονα μοντέλα τεχνητής νοημοσύνης είναι τόσο καλά όσο και τα κείμενα από τα οποία μαθαίνουν, και για τις περισσότερες γλώσσες του κόσμου αυτά τα κείμενα είναι λιγοστά, μπερδεμένα ή κλειδωμένα πίσω από περιοριστικές άδειες. Τα ελληνικά αποτελούν χαρακτηριστικό παράδειγμα υποεκπροσωπούμενης γλώσσας: υπάρχει πλούσια γραπτή παράδοση, άφθονο δημοσίως χρηματοδοτούμενο υλικό και μια μικρή αλλά δραστήρια ερευνητική κοινότητα, κι όμως ελάχιστο από αυτό υπάρχει ως καθαρά, ανοιχτά αδειοδοτημένα και μηχαναγνώσιμα δεδομένα.
Το glossAPI υπάρχει για να καλύψει αυτό το κενό. Είναι ένα έργο που αναπτύσσεται υπό την ομπρέλα της ΕΕΛΛΑΚ / GFOSS στον χώρο των ψηφιακών ανθρωπιστικών επιστημών, και η αποστολή του είναι εύκολο να διατυπωθεί αλλά δύσκολο να υλοποιηθεί: να εντοπίζουμε, να συλλέγουμε, να καθαρίζουμε, να επεξεργαζόμαστε και να δημοσιεύουμε ανοιχτά ελληνικά κείμενα υψηλής ποιότητας, ώστε ο καθένας να μπορεί να εκπαιδεύσει ή να αξιολογήσει γλωσσικά μοντέλα πάνω σε αυτά. Όλα μας τα σύνολα δεδομένων διατίθενται στον οργανισμό μας στο Hugging Face υπό ανοιχτές άδειες, και όλα τα εργαλεία είναι ελεύθερο λογισμικό.
Αυτό το άρθρο περιγράφει πώς ακριβώς το κάνουμε αυτό, από ένα ακατέργαστο PDF σε κάποια κρατική πύλη μέχρι ένα έτοιμο για εκπαίδευση shard στο Hugging Face, και το πού εντάσσονται σε αυτή τη διαδικασία τα μοντέλα αιχμής.
Η ροή επεξεργασίας μας με μια ματιά
Τα πάντα ενορχηστρώνονται μέσα από μία και μόνη κλάση, την `Corpus`, η οποία συνδέει διαδοχικά τα στάδια της ροής και επιτρέπει τη συνέχιση από οποιοδήποτε σημείο. Αυτή η δυνατότητα συνέχισης έχει μεγάλη σημασία στην πράξη: τα σώματα κειμένων είναι τεράστια, τα μηχανήματα αστοχούν, και η εκ νέου επεξεργασία των πάντων από την αρχή είναι δαπανηρή.
Μια τυπική εκτέλεση είναι απλώς ένα σύντομο script που καλεί αυτές τις μεθόδους φάσεων τη μία μετά την άλλη. Το contract κάθε δημόσιας μεθόδου και τα αρχεία που παράγει κάθε στάδιο τεκμηριώνονται στο docs/pipeline.md, ενώ αναλυτική αναφορά ανά στάδιο υπάρχει στο docs/stages/
Εντοπισμός και συλλογή των πηγών
Το πρωτογενές υλικό προέρχεται από ανοιχτά διαθέσιμες πηγές με άδεια Creative Commons: ακαδημαϊκά αποθετήρια, δημόσια αρχεία, κρατικές εκδόσεις, σχολικά και πανεπιστημιακά συγγράμματα και παρόμοιες συλλογές. Το πρώτο στάδιο, η `Corpus.download()`, στηρίζεται σε έναν εξειδικευμένο downloader που διαβάζει μια λίστα συνδέσμων από ένα Parquet manifest, κατεβάζει τα έγγραφα παράλληλα και καταγράφει το αποτέλεσμα κάθε προσπάθειας, ώστε τίποτα να μη χάνεται σιωπηλά.
Το αποτέλεσμα αυτού του σταδίου είναι ένας φάκελος `downloads/` μαζί με ένα αρχείο Parquet `download_results/` που καταγράφει την προέλευση και την κατάσταση κάθε εγγράφου. Αυτό το ίχνος μεταδεδομένων ακολουθεί κάθε έγγραφο σε όλη την υπόλοιπη ροή και τελικά γίνεται μέρος του δημοσιευμένου συνόλου δεδομένων.
Εξαγωγή: Docling
Η μετατροπή ενός PDF σε αξιοποιήσιμο κείμενο είναι το δυσκολότερο κομμάτι όλης της διαδικασίας, και εκεί επικεντρώνεται το μεγαλύτερο μέρος της μηχανικής μας προσπάθειας. Πρώτη μας επιλογή είναι η μηχανή εξαγωγής του glossAPI, που είναι χτισμένη πάνω στο Docling και προσαρμοσμένη ειδικά για τα ελληνικά.
Για τα «ψηφιακά γεννημένα» PDF (έγγραφα που ήδη περιέχουν πραγματικό επίπεδο κειμένου), η ροή χρησιμοποιεί εξ ορισμού ένα γρήγορο και ασφαλές backend PyPDFium που απλώς διαβάζει το ενσωματωμένο κείμενο. Χωρίς GPU, χωρίς OCR, χωρίς περιπλοκές. Έτσι καλύπτεται μεγάλο μέρος των σύγχρονων εγγράφων φθηνά και με ακρίβεια.
Όταν ένα έγγραφο δεν διαθέτει αξιόπιστο επίπεδο κειμένου, καταφεύγουμε σε OCR μέσω του Docling με το RapidOCR. Εδώ ακριβώς κρύβεται η προσαρμογή για τα ελληνικά. Στο `src/glossapi/ocr/rapidocr/pipeline.py` η μηχανή OCR ρυθμίζεται ρητά για ελληνικό κείμενο:
ocr_opts = RapidOcrOptions(
backend="onnxruntime",
lang=["el", "en"],
...
)
ocr_opts.rec_keys_path = r.keys # σύνολο χαρακτήρων αναγνώρισης για τα ελληνικά
Λίγες λεπτομέρειες κάνουν αυτό το κομμάτι να δουλεύει καλά ειδικά για τα ελληνικά:
– Το μοντέλο αναγνώρισης «δείχνει» σε ένα ελληνικό σύνολο χαρακτήρων, ώστε το OCR να γνωρίζει το αλφάβητο που καλείται να διαβάσει (συμπεριλαμβανομένων των τονισμένων χαρακτήρων και του μεικτού ελληνικού/λατινικού περιεχομένου που είναι σύνηθες στα ακαδημαϊκά κείμενα).
– Το κείμενο κανονικοποιείται σε Unicode NFC και καθαρίζεται από χαρακτήρες μηδενικού πλάτους και άλλα σύμβολα μορφοποίησης κατά την εξαγωγή, ώστε το επόμενο στάδιο καθαρισμού να βλέπει συνεπείς χαρακτήρες.
– Τα μοντέλα ONNX διανέμονται μέσα στο ίδιο το πακέτο, επομένως η στοίβα OCR είναι αναπαραγώγιμη και δεν εξαρτάται από απομακρυσμένες υπηρεσίες.
Το στάδιο εξαγωγής γράφει ένα αρχείο Markdown ανά έγγραφο, καθώς και ένα δομημένο JSON του Docling που το κρατάμε για μεταγενέστερα βήματα, όπως ο εμπλουτισμός μαθηματικών και τύπων. Πλήρεις λεπτομέρειες υπάρχουν στο `docs/ocr_and_math_enhancement.md`.
Πώς καταλαβαίνουμε ότι η εξαγωγή δεν είναι αρκετά καλή
Το να «πετύχει» η εξαγωγή δεν είναι το ίδιο με το να είναι σωστή. Μια σαρωμένη σελίδα μπορεί να παραγάγει αποτέλεσμα που μοιάζει με κείμενο αλλά στην πραγματικότητα είναι παραμορφωμένο, και για τα ελληνικά αυτός ο κίνδυνος είναι υπαρκτός: ένα σύστημα OCR ρυθμισμένο για λατινικά αλφάβητα μπορεί να μετατρέψει μια απολύτως καθαρή σελίδα σε mojibake που κανένας άνθρωπος δεν θα δεχόταν.
Γι’ αυτό το στάδιο καθαρισμού κάνει κάτι περισσότερο από το να συμμαζεύει τα κενά. Εκτελεί έναν καθαριστή γραμμένο σε Rust που υπολογίζει μετρικές ποιότητας για κάθε έγγραφο και, το πιο κρίσιμο, αποφασίζει αν ένα έγγραφο χρειάζεται ισχυρότερη επεξεργασία. Αυτή τη λογική μπορείτε να τη δείτε στο `src/glossapi/corpus/phase_clean.py`, το οποίο προσθέτει σε κάθε έγγραφο ενδείξεις όπως:
– `percentage_greek` – πόσο μέρος του κειμένου είναι όντως ελληνικό,
– `greek_badness_score` – ένα μέτρο του πόσο «λάθος» φαίνονται τα ελληνικά,
– `mojibake_badness_score` – ένα μέτρο της αλλοίωσης κωδικοποίησης,
– `needs_ocr` – μια σημαία δρομολόγησης που ενεργοποιείται όταν το εξαγόμενο κείμενο αποτυγχάνει σε αυτούς τους ελέγχους.
Το σκεπτικό πίσω από αυτές τις ελληνοκεντρικές πύλες ποιότητας περιγράφεται στο `docs/architecture/greek_text_validation.md`. Το πρακτικό αποτέλεσμα είναι ότι η ροή μπορεί να ξεχωρίζει αυτόματα τα έγγραφα που χειρίστηκε καθαρά από εκείνα που χρειάζονται έναν βαρύτερο, πιο ικανό εξαγωγέα. Αυτή η σημαία είναι και η γέφυρα προς την επόμενη ενότητα.
Πότε καταφεύγουμε σε VLM αιχμής
Ορισμένα έγγραφα είναι απλώς δύσκολα: παλιά βιβλία, ξεθωριασμένες φωτοτυπίες, σαρωμένες σελίδες με σύνθετη διάταξη, μεικτές στήλες ή αντισυμβατική τυπογραφία. Σε τέτοιο υλικό, τα σύγχρονα γλωσσικά μοντέλα όρασης (vision-language models, VLM) που χρησιμοποιούνται ως συστήματα OCR παράγουν αισθητά καλύτερες μεταγραφές από μια συμβατική μηχανή OCR. Αυτή ακριβώς η διαφορά ποιότητας είναι ο λόγος που τα χρησιμοποιούμε – για δύσκολα έγγραφα, όπως οι παλιές σαρώσεις, τα VLM διαβάζουν τη σελίδα πιο πιστά.
Το τίμημα, όμως, είναι το κόστος. Το OCR βασισμένο σε VLM είναι απαιτητικό σε GPU και σαφώς πιο ακριβό στην εκτέλεση από μια συμβατική μηχανή OCR, οπότε δεν έχει νόημα να εφαρμόζεται σε όλα. Αντ’ αυτού το χρησιμοποιούμε ευκαιριακά και επιλεκτικά, ακριβώς στα έγγραφα που η σημαία `needs_ocr` επισημαίνει ως πολύ δύσκολα για την προεπιλεγμένη διαδρομή.
Δύο μοντέλα αιχμής έχουν σηκώσει το μεγαλύτερο βάρος αυτής της δουλειάς για εμάς: το olmOCR και το Chandra OCR. Και τα δύο είναι γλωσσικά μοντέλα vision (Vision-Language Models), φτιαγμένα ειδικά για να μετατρέπουν εικόνες εγγράφων σε πιστό, δομημένο κείμενο, και στο πιο δύσκολο ελληνικό μας υλικό – παλιά βιβλία, ξεθωριασμένες φωτοτυπίες, πυκνές σαρώσεις πολλαπλών στηλών – ανακτούν με συνέπεια κείμενο που μια συμβατική μηχανή OCR παραμορφώνει. Αξίζει να είμαστε ακριβείς εδώ: αυτά τα VLM τα τρέχουμε ως ξεχωριστή, αυτόνομη ροή, και όχι ως στάδιο μέσα στη ροή του glossAPI. Για τα δύσκολα έγγραφα τα βγάζουμε έξω από την κύρια ροή, τα μεταγράφουμε με το olmOCR ή το Chandra ξεχωριστά και επαναφέρουμε το αποτέλεσμα ως κείμενο.
Κανένα από τα δύο μοντέλα δεν είναι, ωστόσο, τέλειο. Σε απαιτητικές ελληνικές σελίδες, τόσο το olmOCR όσο και το Chandra έκαναν λάθη – παρανάγνωση χαρακτήρων, παράλειψη ή διπλασιασμό αποσπασμάτων, σύγχυση στη διάταξη, καθώς και την περιστασιακή «φαντασιακή» (hallucinated) γραμμή. Έτσι, το αποτέλεσμά τους δεν το θεωρήσαμε ποτέ οριστικό: εκτελoύμε ένα ειδικό πέρασμα post-processing και εκκαθάρισης πάνω στις μεταγραφές των VLM, ώστε να εντοπίσουμε και να διορθώσουμε αυτά τα σφάλματα πριν το κείμενο μπει σε κάποιο σύνολο δεδομένων. Αυτή η επιπλέον επιμέλεια είναι ένας από τους λόγους που τα δημοσιευμένα σώματα κειμένων είναι αξιοποιήσιμα και όχι απλώς ογκώδη.
Για να είμαστε σαφείς, το ίδιο το pipiline του glossAPI δεν είναι κλειστό στα VLM – διαθέτει ήδη ένα ενσωματωμένο backend VLM, το DeepSeek-OCR, που μπορεί να επιλεγεί ως μηχανή OCR εντός της ροής. Το olmOCR και το Chandra χρησιμοποιούνται σε διαφορετικές ροές εργασίας, δεν τα αντικαταστήσαμε με το μοντέλο της DeepSeek ούτε τα συνδέσαμε με το στάδιο OCR της ροής, απλά τα χρησιμοποιήσαμε εντελώς παράλληλα. Οι δύο προσεγγίσεις συνυπάρχουν, δεν αντικαθιστά η μία την άλλη.
Η αρχή σχεδιασμού αξίζει να διατυπωθεί ξεκάθαρα: χρησιμοποιούμε εξ ορισμού τα πιο οικονονμικά και αναπαραγώγιμα εργαλεία όποτε μπορούμε ενώ επιλέγουμε τα εργαλεία με το μεγαλύτερο κόστος, δηλαδή εκείνα που χρησιμοποιούν GPU, μόνο εκεί που βελτιώνεται μετρήσιμα το αποτέλεσμα της εξαγωγής δεδομένα.
Καθαρισμός, τμηματοποίηση και μετα-επεξεργασία
Μόλις εξαχθεί το κείμενο (με όποιον τρόπο κι αν έγινε αυτό), πρέπει ακόμη να γίνει δομημένο δεδομένο και όχι ένας τοίχος από Markdown.
– Καθαρισμός θορύβου. Ο καθαριστής σε Rust αφαιρεί το boilerplate, ελέγχει ποια αλφάβητα επιτρέπονται (ελληνικό και λατινικό) και παράγει τις μετρικές θορύβου και ποιότητας που περιγράφηκαν παραπάνω. Η Rust κρατά αυτή τη διαδικασία γρήγορη και προβλέψιμη ακόμη και σε πολύ μεγάλα σώματα κειμένων.
– Τμηματοποίηση. Το `GlossSection` χωρίζει κάθε έγγραφο σε λογικές ενότητες (επικεφαλίδες, ενότητες κυρίως κειμένου κ.ο.κ.) και τις γράφει ως γραμμές σε έναν πίνακα Parquet, μια πολύ πιο χρήσιμη μονάδα για εκπαίδευση και φιλτράρισμα από ένα ολόκληρο έγγραφο.
– Ταξινόμηση. Ένας ελαφρύς ταξινομητής μηχανικής μάθησης, ο `GlossSectionClassifier`, χαρακτηρίζει αυτές τις ενότητες (χρησιμοποιώντας χαρακτηριστικά TF-IDF πάνω στην επικεφαλίδα και το κείμενο της ενότητας με έναν γραμμικό SVM). Έτσι μπορούμε να κρατήσουμε το ουσιαστικό περιεχόμενο και να αφαιρέσουμε πράγματα όπως πίνακες περιεχομένων ή βιβλιογραφίες, όταν κάποιος χρήστης θέλει καθαρό κείμενο.
– Διαχείριση ελληνικών ποικιλιών. Επειδή τα ελληνικά καλύπτουν αρκετές ιστορικές και τοπικές ποικιλίες, συντηρούμε επίσης ερευνητικά εργαλεία για την ταξινόμηση ελληνικών ποικιλιών, που βοηθούν στον χαρακτηρισμό και το φιλτράρισμα των σωμάτων κειμένων.
Δημοσίευση: ανοιχτά δεδομένα στο Hugging Face
Το τελευταίο στάδιο μετατρέπει το καθαρισμένο, τμηματοποιημένο και σχολιασμένο σώμα κειμένων σε αρχεία έτοιμα για εκπαίδευση. Η `Corpus.jsonl()` και η αντίστοιχη τμηματοποιημένη μέθοδος `jsonl_sharded()` εξάγουν το σώμα κειμένων σε JSONL – προαιρετικά χωρισμένο σε shards σταθερού μεγέθους (500 MB εξ ορισμού) και συμπιεσμένο με zstd – με τις στήλες μεταδεδομένων να μεταφέρονται από το πρώτο κιόλας κατέβασμα. Η λογική της εξαγωγής βρίσκεται στο `src/glossapi/corpus/phase_export.py`.
Από εκεί, κάθε σύνολο δεδομένων δημοσιεύεται στον οργανισμό μας στο Hugging Face με μια κάρτα δεδομένων που περιγράφει την πηγή, την άδεια και τη δομή του· στο Hub τα σύνολα δεδομένων αποθηκεύονται ως πίνακες με υπόβαθρο Parquet, τους οποίους μπορείτε να περιηγηθείτε απευθείας μέσα από τον προβολέα δεδομένων (dataset viewer). Ο κατάλογος καλύπτει ήδη ένα ευρύ φάσμα υλικού – σχολικά συγγράμματα, δημόσια αρχεία, συλλογές Τύπου, δεδομένα κρατικής διαφάνειας και άλλα – και διαρκώς μεγαλώνει. Το ίδιο το glossAPI διατίθεται υπό την άδεια EUPL 1.2, ενώ τα σύνολα δεδομένων δημοσιεύονται υπό ανοιχτούς, επιτρεπτικούς όρους, ώστε ερευνητές, φοιτητές και εταιρείες να μπορούν να τα χρησιμοποιούν ελεύθερα.
Το κοινό νήμα όλων των παραπάνω είναι ένας απλός ενάρετος κύκλος: τα ανοιχτά εργαλεία παράγουν ανοιχτά δεδομένα, και τα ανοιχτά δεδομένα δικαιολογούν καλύτερα ανοιχτά εργαλεία. Κρατώντας ολόκληρη τη ροή ελεύθερη και επιθεωρήσιμη – από τον εξαγωγέα που βασίζεται στο Docling μέχρι τον καθαριστή σε Rust και τα scripts εξαγωγής – και δημοσιεύοντας ανοιχτά τα αποτελέσματα, ελπίζουμε να χαμηλώσουμε τον πήχη για όποιον θέλει να χτίσει AI για τα ελληνικά, και να ενθαρρύνουμε την κοινότητα να επεκτείνει τον κώδικα και τα δεδομένα προς κατευθύνσεις που εμείς δεν έχουμε καν σκεφτεί.
Αν θέλετε να εξερευνήσετε τον κώδικα, ξεκινήστε από το αποθετήριο μας και την τεκμηρίωση του · αν θέλετε τα δεδομένα, περιηγηθείτε στα σύνολα δεδομένων στο Hugging Face. Και αν θα θέλατε να συνεργαστείτε ή να συνεισφέρετε υπολογιστική ισχύ, θα χαρούμε πολύ να επικοινωνήσετε μαζί μας στο `glossapi.team@eellak.gr`.
Το γερμανικό κρατίδιο του Μεκλεμβούργου-Δυτικής Πομερανίας ενισχύει τη στρατηγική του για την ψηφιακή κυριαρχία, προχωρώντας στην υλοποίηση μιας νέας πλατφόρμας συνεργασίας βασισμένης στο λογισμικό ανοικτού κώδικα Nextcloud. Η πρωτοβουλία στοχεύει μακροπρόθεσμα να εξυπηρετήσει περισσότερους από 50.000 εργαζομένους της κρατικής και τοπικής δημόσιας διοίκησης.
Η απόφαση εντάσσεται σε μια ευρύτερη ευρωπαϊκή τάση, καθώς ολοένα και περισσότερες κυβερνήσεις επιλέγουν λύσεις ανοικτού κώδικα ως εναλλακτική απέναντι στις πλατφόρμες των μεγάλων αμερικανικών τεχνολογικών εταιρειών. Το Μεκλεμβούργο-Δυτική Πομερανία ακολουθεί το παράδειγμα άλλων πρωτοπόρων δημόσιων οργανισμών, όπως το κρατίδιο του Σλέσβιχ-Χολστάιν, το Υπουργείο Οικονομικών της Αυστρίας και το γαλλικό Υπουργείο Ενεργειακής Μετάβασης. Παράλληλα, το γαλλικό Υπουργείο Παιδείας χρησιμοποιεί ήδη το Nextcloud για περίπου 400.000 εργαζομένους και σχεδιάζει να επεκτείνει τη χρήση του σε 1,2 εκατομμύρια υπαλλήλους.
Η νέα πλατφόρμα αναπτύσσεται και λειτουργεί από την DVZ M-V GmbH, τον επίσημο πάροχο υπηρεσιών πληροφορικής του κρατιδίου. Βασικός στόχος της πρωτοβουλίας είναι η ενίσχυση της ψηφιακής ανεξαρτησίας, της ασφάλειας και της επιχειρησιακής ικανότητας της δημόσιας διοίκησης.
Σύμφωνα με τον υπουργό Οικονομικών και Ψηφιοποίησης του κρατιδίου, Δρ. Χάικο Γκόιε, η ψηφιακή κυριαρχία και το λογισμικό ανοικτού κώδικα αποτελούν θεμελιώδεις πυλώνες της ψηφιακής πολιτικής της περιοχής. Όπως δήλωσε, η κυβέρνηση σκοπεύει να επεκτείνει περαιτέρω τη χρήση λύσεων ανοικτού κώδικα και να προωθήσει κοινά πρότυπα και ανοιχτές διεπαφές στον δημόσιο τομέα, ώστε το κράτος και οι δήμοι να διατηρήσουν τον έλεγχο των ψηφιακών τους υποδομών στο μέλλον.
Το Nextcloud διατίθεται με την άδεια GNU AGPLv3, επιτρέποντας στις δημόσιες αρχές να επιθεωρούν, να ελέγχουν και να προσαρμόζουν τον πηγαίο κώδικα σύμφωνα με τις δικές τους ανάγκες ασφάλειας και λειτουργικότητας. Το έργο σχεδιάστηκε εξαρχής με βάση την αρχή «open source by design», περιλαμβάνοντας ξεχωριστά περιβάλλοντα δοκιμών και παραγωγής, εκπαίδευση προσωπικού, ελέγχους ασφαλείας και συνεχή ενσωμάτωση ενημερώσεων.
Σήμερα, περίπου 5.000 εργαζόμενοι χρησιμοποιούν ενεργά την πλατφόρμα για ανταλλαγή και διαχείριση αρχείων. Στο επόμενο στάδιο προβλέπεται η ενσωμάτωση υπηρεσιών συνομιλίας, τηλεδιασκέψεων και εφαρμογών ομαδικής συνεργασίας, με στόχο την εξυπηρέτηση περισσότερων από 50.000 δημοσίων υπαλλήλων σε όλο το κρατίδιο.
Ιδιαίτερη σημασία έχει το γεγονός ότι η μετάβαση από το Microsoft SharePoint ολοκληρώθηκε σταδιακά, χωρίς απώλεια δεδομένων ή διακοπή των υπηρεσιών προς τους εργαζομένους. Σύμφωνα με τον CIO του κρατιδίου, Μάρκο Άνσουτς, η νέα πλατφόρμα λειτουργεί ήδη αξιόπιστα και θα συνεχίσει να επεκτείνεται σταδιακά.
Η υιοθέτηση του Nextcloud αποτελεί μέρος μιας συνολικής στρατηγικής ανοικτού κώδικα. Παράλληλα, το κρατίδιο προωθεί τη χρήση του OpenProject ως εναλλακτικής λύσης στα ιδιόκτητα εργαλεία διαχείρισης έργων, ενώ έχει αναπτύξει και το LEA, έναν βοηθό τεχνητής νοημοσύνης για τη δημόσια διοίκηση, βασισμένο στο OpenWebUI και πλήρως ελεγχόμενο σε τοπικό επίπεδο.
Η πρωτοβουλία θεωρείται ένα ακόμη βήμα προς την ενίσχυση της ψηφιακής αυτονομίας των ευρωπαϊκών δημόσιων οργανισμών, αποδεικνύοντας ότι οι λύσεις ανοικτού κώδικα μπορούν να υποστηρίξουν αποτελεσματικά μεγάλης κλίμακας κρατικές υποδομές, προσφέροντας μεγαλύτερο έλεγχο, διαφάνεια και ανεξαρτησία.
Οι εκδηλώσεις δεν σταματούν καθώς αυτήν την εβδομάδα πραγματοποιούνται εκδηλώσεις στην Ελλάδα και στο εξωτερικό για τις ανοιχτές τεχνολογίες και την καινοτομία! Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) σας προτείνει να τις παρακολουθήσετε και να τις διαδώσετε. Μπορείτε επίσης να δείτε περισσότερες εκδηλώσεις για τις επόμενες εβδομάδες ή να καταχωρίσετε τη δική σας εκδήλωση στο: https://ellak.gr/events.
Το Σεμινάριο για την Κοινωνία της Πληροφορίας & την Οικονομία της Γνώσης πραγματοποιείται για ένα τριήμερο κάθε Ιούλιο από το 2006 στο πλαίσιο του θεσμού των Ετήσιων Σεμιναρίων της Ερμούπολης που διοργανώνει το Ινστιτούτο Ιστορικών Ερευνών του Εθνικού Ιδρύματος Ερευνών (ΙIΕ/ΕΙΕ) από το 1984.
Οι θεματικές ενότητες του φετινού Σεμιναρίου είναι οι ακόλουθες:
Από τα ελληνικά δεδομένα στην εθνική υποδομή γλωσσικής και ψηφιακής κυριαρχίας
Γιατί η Ελλάδα χρειάζεται δικό της πλήρως ανοιχτό μοντέλο
Η ανάπτυξη ενός ελληνικού μεγάλου γλωσσικού μοντέλου δεν είναι απλώς ερευνητική άσκηση. Είναι ζήτημα γλωσσικής ισοτιμίας, δημόσιας τεχνογνωσίας, ψηφιακής αυτονομίας και δημοκρατικού ελέγχου. Αν η ελληνική γλώσσα, η ελληνική διοικητική γνώση, η νομοθεσία, η παιδεία και ο πολιτισμός εκπροσωπούνται μόνο ως μικρό υποσύνολο σε κλειστά διεθνή μοντέλα, τότε η χώρα παραμένει εξαρτημένη από τεχνολογικές υποδομές που δεν ελέγχει.
Το παράδειγμα του AMALIA για τα Ευρωπαϊκά Πορτογαλικά δείχνει ότι μια γλωσσική παραλλαγή υποεκπροσωπημένη στα διεθνή μοντέλα μπορεί να γίνει αντικείμενο στοχευμένης τεχνικής επένδυσης. Τα Πορτογαλικά ομιλούνται από περισσότερους από 250 εκατομμύρια ανθρώπους παγκοσμίως, όμως τα Ευρωπαϊκά Πορτογαλικά (pt-PT) παραμένουν περιθωριακά στα δεδομένα εκπαίδευσης και στην αξιολόγηση των μεγάλων μοντέλων — μια θέση δομικά ανάλογη με αυτή των ελληνικών. Το κρίσιμο μάθημα δεν είναι μόνο ότι κυκλοφόρησε ένα μοντέλο 9 δισεκατομμυρίων παραμέτρων. Είναι ότι οργανώθηκε ολόκληρη αλυσίδα: συλλογή δεδομένων, καθαρισμός, φιλτράρισμα, συνεχιζόμενη προεκπαίδευση πάνω στο ανοικτό ευρωπαϊκό μοντέλο EuroLLM-9B, εποπτευόμενη προσαρμογή, βελτιστοποίηση προτιμήσεων, ειδικά benchmarks και ανοικτή διάθεση.
Αξίζει να τονιστεί ότι το AMALIA δεν εκπαιδεύτηκε από το μηδέν. Η ομάδα του αξιοποίησε μια υπάρχουσα ανοικτή βάση, επέκτεινε το παράθυρο συμφραζομένων στα 32.000 tokens και πρόσθεσε πολυτροπικές συνιστώσες όρασης και ομιλίας, με χρηματοδότηση 5,5 εκατομμυρίων ευρώ από το ευρωπαϊκό ταμείο ανάκαμψης και εξασφαλισμένη συνέχεια του έργου έως το τέλος του 2027. Αυτή ακριβώς η στρατηγική — προσαρμογή ανοικτής βάσης αντί για εκπαίδευση από την αρχή — κράτησε το κόστος σε κλίμακα ερευνητικού έργου και είναι άμεσα εφαρμόσιμη στην ελληνική περίπτωση.
Για την Ελλάδα, το αντίστοιχο θεμέλιο μπορεί να είναι το GlossAPI.
Τι σημαίνει πραγματικά πλήρως ανοιχτό μοντέλο
Η φράση «ανοιχτό μοντέλο» χρησιμοποιείται συχνά με ασάφεια. Άλλο είναι ένα μοντέλο με διαθέσιμα βάρη και άλλο ένα πλήρως ανοιχτό μοντέλο. Για να μιλάμε με ακρίβεια, ένα ελληνικό πλήρως ανοιχτό μοντέλο πρέπει να διαθέτει δημόσια και επαναχρησιμοποιήσιμα τα εξής:
Πρώτον, τα βάρη του μοντέλου σε ανοικτή άδεια που επιτρέπει χρήση, μελέτη, προσαρμογή και εμπορική αξιοποίηση. Δεύτερον, τον κώδικα εκπαίδευσης και προσαρμογής, ώστε να μπορεί να αναπαραχθεί η διαδικασία. Τρίτον, τον tokenizer και την τεκμηρίωση των επιλογών του, διότι για τα ελληνικά έχει μεγάλη σημασία ο χειρισμός τόνων, μορφολογίας, σύνθετων λέξεων, πολυτονικών κειμένων και ειδικής διοικητικής ορολογίας. Τέταρτον, τις συνταγές εκπαίδευσης, δηλαδή μίγματα δεδομένων, υπερπαραμέτρους, checkpoints, logs και αξιολογήσεις. Πέμπτον, κάρτες τεκμηρίωσης μοντέλων και συνόλων δεδομένων, ώστε κάθε χρήστης να γνωρίζει πηγές, περιορισμούς, άδειες, κινδύνους και ενδεδειγμένες χρήσεις.
Με άλλα λόγια, ένα ελληνικό LLM δεν πρέπει να είναι απλώς «ανοιχτά βάρη». Πρέπει να είναι δημόσια ελέγξιμη τεχνική υποδομή.
Το GlossAPI ως ελληνικός αγωγός δεδομένων ΤΝ
Το GlossAPI μπορεί να λειτουργήσει ως ο κορμός δεδομένων για την ανάπτυξη του ελληνικού μοντέλου. Η αξία του βρίσκεται στο ότι δεν συγκεντρώνει απλώς κείμενα. Δημιουργεί αγωγό επεξεργασίας ελληνικών κειμένων και τα μετατρέπει σε σύνολα δεδομένων κατάλληλα για μεγάλα γλωσσικά μοντέλα.
Το πρώτο βήμα είναι η συγκρότηση ενός Greek Data Pile με θεματικά επίπεδα. Ένα επίπεδο πρέπει να περιλαμβάνει γενική νεοελληνική γλώσσα από βιβλία, άρθρα, εκπαιδευτικό υλικό και δημόσια διαθέσιμα κείμενα. Ένα δεύτερο επίπεδο πρέπει να περιλαμβάνει θεσμικό και διοικητικό λόγο: ΦΕΚ, νομοθεσία, διαβουλεύσεις, αποφάσεις, εγκυκλίους, οδηγίες, δημόσιες συμβάσεις και περιγραφές διαδικασιών. Ένα τρίτο επίπεδο πρέπει να περιλαμβάνει επιστημονικό και τεχνικό λόγο: διδακτορικές διατριβές, ανοικτά εκπαιδευτικά αποθετήρια, πανεπιστημιακό υλικό και τεχνικές οδηγίες. Ένα τέταρτο επίπεδο πρέπει να αφορά πολιτισμό, ιστορία, γλωσσική ποικιλία και κείμενα υψηλής ποιότητας.
Κάθε σύνολο δεδομένων χρειάζεται τεκμηρίωση προέλευσης, μεγέθους σε tokens, ημερομηνίας επεξεργασίας, φίλτρων ποιότητας και γνωστών περιορισμών. Αυτό επιτρέπει τη μετάβαση από «έχουμε πολλά ελληνικά κείμενα» σε «έχουμε ελεγχόμενη ελληνική υποδομή εκπαίδευσης».
Καθαρισμός, φιλτράρισμα και συμμόρφωση
Η ποιότητα του μοντέλου εξαρτάται περισσότερο από την ποιότητα των δεδομένων παρά από το μέγεθος του μοντέλου. Για αυτό απαιτείται τεχνική προσέγγιση πολλών σταδίων.
Στο πρώτο στάδιο γίνεται εξαγωγή καθαρού κειμένου από HTML, PDF, DOCX, ODT και βάσεις δεδομένων. Στο δεύτερο στάδιο εφαρμόζεται αναγνώριση γλώσσας, ώστε να αφαιρεθούν ξενόγλωσσα ή μεικτά θορυβώδη τμήματα. Στο τρίτο στάδιο γίνεται αφαίρεση διπλοτύπων με μεθόδους όπως MinHash, locality sensitive hashing και semantic deduplication. Στο τέταρτο στάδιο εφαρμόζονται φίλτρα ποιότητας: μήκος κειμένου, επαναλήψεις, αναλογία σημείων στίξης, κακή κωδικοποίηση, spam, μη φυσικός λόγος, μηχανικά παραγόμενο υλικό χαμηλής ποιότητας.
Ιδιαίτερη σημασία έχει η προστασία προσωπικών δεδομένων. Για δεδομένα δημοσίου τομέα πρέπει να υπάρχει ξεχωριστή πολιτική: άλλο τα ανοικτά δεδομένα, άλλο τα ψευδωνυμοποιημένα δεδομένα έρευνας, άλλο τα ευαίσθητα δεδομένα που δεν πρέπει ποτέ να μπουν σε προεκπαίδευση.
Επιλογή αρχιτεκτονικής και μεγέθους
Η Ελλάδα δεν χρειάζεται να ξεκινήσει με γιγαντιαίο μοντέλο. Χρειάζεται πρώτα ένα αξιόπιστο, αναπαραγώγιμο και πλήρως ανοιχτό μοντέλο με σαφή ελληνική υπεροχή. Ρεαλιστική πρώτη κλίμακα είναι ένα dense decoder-only transformer μοντέλο 7B έως 13B παραμέτρων, με στόχο επάρκεια για δημόσια διοίκηση, εκπαίδευση, περίληψη, ερωταπαντήσεις, μετάφραση, ταξινόμηση και υποστήριξη RAG εφαρμογών.
Η αρχιτεκτονική μπορεί να βασιστεί σε ανοιχτές πρακτικές που έχουν ήδη δοκιμαστεί: RMSNorm, RoPE, SwiGLU, grouped-query attention ή multi-query attention, bfloat16 εκπαίδευση, σταδιακό curriculum, συστηματικά checkpoints και αξιολόγηση ανά φάση. Ο tokenizer πρέπει να σχεδιαστεί ή να προσαρμοστεί για τα ελληνικά, όχι να υιοθετηθεί άκριτα από αγγλοκεντρικά μοντέλα. Χρειάζονται μετρήσεις για fertility, δηλαδή πόσα tokens παράγονται ανά ελληνική λέξη, για χειρισμό τόνων, σύνθετων λέξεων, ονομάτων, πολυτονικών κειμένων, νομικών παραπομπών και μεικτών ελληνικών αγγλικών τεχνικών όρων.
Στάδια εκπαίδευσης
Η εκπαίδευση μπορεί να γίνει σε πέντε φάσεις.
Πρώτη φάση: baseline model. Επιλέγεται ένα πλήρως ανοικτό ευρωπαϊκό ή διεθνές μοντέλο ως σημείο εκκίνησης ή εκπαιδεύεται μικρότερο ελληνικό μοντέλο από την αρχή για πειραματική επικύρωση του pipeline.
Δεύτερη φάση: continued pretraining. Το μοντέλο συνεχίζει την εκπαίδευση πάνω στο ελληνικό corpus του GlossAPI, με προσεκτική μίξη γενικής γλώσσας, διοίκησης, νομοθεσίας, εκπαίδευσης, τεχνικού λόγου και πολιτισμού. Αυτή είναι ακριβώς η προσέγγιση που ακολούθησε το AMALIA πάνω στο EuroLLM-9B, με αποτέλεσμα το συνολικό κόστος να παραμείνει σε κλίμακα ερευνητικής επιχορήγησης.
Τρίτη φάση: long context adaptation. Για δημόσιες εφαρμογές απαιτείται επεξεργασία μεγάλων εγγράφων. Το μοντέλο πρέπει να υποστηρίζει 32K tokens ή περισσότερο, με RoPE scaling, ειδικά παραδείγματα μακρού πλαισίου και αξιολόγηση ανάκτησης πληροφοριών μέσα σε μεγάλα κείμενα. Το AMALIA ακολούθησε την ίδια διαδρομή, επεκτείνοντας το μέγιστο μήκος ακολουθίας του EuroLLM από 4K σε 32K tokens με RoPE scaling και συνθετικά δεδομένα μακρού πλαισίου.
Τέταρτη φάση: supervised fine-tuning. Δημιουργούνται ελληνικά ζεύγη οδηγιών και απαντήσεων για εργασίες όπως περίληψη νόμου, εξήγηση διαδικασίας, μετατροπή διοικητικού κειμένου σε απλή γλώσσα, σύνταξη απάντησης προς πολίτη, ταξινόμηση αιτημάτων και παραγωγή ερωτήσεων.
Πέμπτη φάση: preference tuning. Με DPO ή άλλη τεχνική προτιμήσεων, το μοντέλο μαθαίνει να προτιμά απαντήσεις ακριβείς, τεκμηριωμένες, μη παραπλανητικές και κατάλληλες για δημόσια χρήση.
RAG πρώτα, όχι μοντέλο ως πηγή αλήθειας
Για κράτος, δικαιοσύνη, φορολογία, υγεία, παιδεία και κοινωνικά δικαιώματα, το μοντέλο δεν πρέπει ποτέ να απαντά μόνο από την εσωτερική του μνήμη. Η σωστή αρχιτεκτονική είναι RAG first. Το μοντέλο αναζητά σχετικά έγγραφα σε ευρετήριο GlossAPI, λαμβάνει αποσπάσματα με μεταδεδομένα, παράγει απάντηση και επιστρέφει παραπομπές σε συγκεκριμένες πηγές.
Αυτό απαιτεί ελληνικά embeddings, υβριδική αναζήτηση με BM25 και dense retrieval, reranking, citations, έλεγχο παλαιότητας εγγράφου, versioning νόμων και μηχανισμό ενημέρωσης όταν αλλάζει το θεσμικό πλαίσιο. Έτσι μειώνονται οι ψευδείς απαντήσεις και δημιουργείται λογοδοσία.
Αξιολόγηση ειδικά για τα ελληνικά
Δεν αρκεί να μετράμε το μοντέλο σε αγγλικά benchmarks. Χρειάζεται Greek Eval Suite με κατηγορίες: κατανόηση νεοελληνικού κειμένου, διοικητικές ερωταπαντήσεις, νομική ανάκτηση, περίληψη ΦΕΚ, ανάλυση δημόσιας διαβούλευσης, μετάφραση ελληνικά αγγλικά, απλοποίηση διοικητικής γλώσσας, ανίχνευση ψευδών παραπομπών, ανθεκτικότητα σε prompt injection και αξιολόγηση ασφάλειας.
Πρέπει επίσης να υπάρχουν benchmarks για γλωσσική ποικιλία: καθαρεύουσα, πολυτονικό, ιδιωματικές εκφράσεις, δημόσιος λόγος, τεχνική ορολογία, διοικητικά στερεότυπα και ελληνικά με αγγλικούς όρους. Το κριτήριο επιτυχίας δεν είναι να «μιλά ελληνικά». Είναι να καταλαβαίνει θεσμικά, πολιτισμικά και γλωσσικά συμφραζόμενα. Το AMALIA δείχνει και εδώ τον δρόμο: η ομάδα του διαπίστωσε ότι τα μηχανικά μεταφρασμένα benchmarks δεν αποτυπώνουν τις γλωσσικές και πολιτισμικές αποχρώσεις της παραλλαγής, και για αυτό ανέπτυξε ειδικά pt-PT benchmarks.
Υποδομή λειτουργίας και διάθεσης
Για παραγωγική χρήση, η υποδομή πρέπει να βασίζεται σε ανοικτή στοίβα. Το vLLM μπορεί να χρησιμοποιηθεί για inference υψηλής απόδοσης, με OpenAI compatible API ώστε οι εφαρμογές να μη δένονται σε έναν προμηθευτή. Τα μοντέλα μπορούν να διατεθούν σε δημόσια ελεγχόμενες υποδομές, όπως GRNET, πανεπιστημιακά κέντρα, υποδομές EuroHPC ή περιφερειακά clusters. Το AMALIA αξιοποίησε αντίστοιχα τις εθνικές και ευρωπαϊκές υποδομές υπερυπολογιστών, συμπεριλαμβανομένων των Deucalion και MareNostrum 5.
Η στοίβα πρέπει να περιλαμβάνει model registry, dataset registry, observability, audit logs, rate limiting, authentication μέσω OIDC, απομόνωση tenants, καταγραφή κόστους ανά φορέα και πολιτικές μη αποστολής προσωπικών δεδομένων σε τρίτα κλειστά cloud. Για ελαφρύτερες εφαρμογές, μπορούν να υπάρξουν quantized εκδόσεις σε GGUF ή AWQ για τοπική χρήση σε Δήμους, σχολεία, εργαστήρια και μικρές δημόσιες υπηρεσίες.
Διακυβέρνηση και δημόσια λογοδοσία
Το ελληνικό μοντέλο πρέπει να ανήκει σε θεσμικά κατοχυρωμένο δημόσιο και κοινοτικό οικοσύστημα. Χρειάζεται πλαίσιο Ανοικτής ΤΝ με πανεπιστήμια, ερευνητικά κέντρα, ΕΕΛΛΑΚ, δημόσια διοίκηση, ανεξάρτητες αρχές, κοινότητες ανοικτού λογισμικού και ελληνικές ΜμΕ.
Κάθε έκδοση του μοντέλου πρέπει να συνοδεύεται από model card, dataset cards, SBOM, training report, evaluation report, risk assessment και σαφή άδεια χρήσης. Κάθε δημόσια εφαρμογή πρέπει να έχει ανθρώπινη τελική ευθύνη. Το μοντέλο μπορεί να εισηγείται, να εξηγεί, να συνοψίζει και να βοηθά. Δεν πρέπει να εκδίδει τελικές διοικητικές αποφάσεις.
Συμπέρασμα
Η ανάπτυξη ενός πλήρως ανοιχτού ελληνικού μοντέλου με βάση το GlossAPI είναι τεχνικά εφικτή, πολιτικά αναγκαία και στρατηγικά κρίσιμη. Το πορτογαλικό προηγούμενο δείχνει επιπλέον ότι είναι και οικονομικά ρεαλιστική: με προσαρμογή ανοικτής ευρωπαϊκής βάσης αντί για εκπαίδευση από το μηδέν, μια χώρα δέκα εκατομμυρίων κατοίκων παρέδωσε εθνικό ανοικτό μοντέλο με προϋπολογισμό ερευνητικού έργου. Η Ελλάδα δεν χρειάζεται να αντιγράψει απλώς τα μεγάλα εμπορικά μοντέλα. Μπορεί να χτίσει ένα ανοικτό, ελεγχόμενο, τεκμηριωμένο και επαναχρησιμοποιήσιμο οικοσύστημα ΤΝ για τη γλώσσα, τη διοίκηση, την εκπαίδευση, την έρευνα και τον πολιτισμό της.
Το βασικό ερώτημα δεν είναι αν θα χρησιμοποιούμε ΤΝ. Είναι αν η ελληνική γνώση θα μετατραπεί σε δημόσια ψηφιακή υποδομή ή αν θα παραμείνει πρώτη ύλη για κλειστές πλατφόρμες τρίτων.
Πηγές
AMALIA LLM, GitHub Repository: Το επίσημο αποθετήριο του AMALIA τεκμηριώνει ότι το έργο αναπτύχθηκε ως πλήρως ανοικτό οικοσύστημα για τα Ευρωπαϊκά Πορτογαλικά, με μοντέλα, benchmarks και ανοικτούς αγωγούς επεξεργασίας δεδομένων: https://github.com/AMALIA-LLM/AMALIA,
AMALIA-9B-0626-DPO, Hugging Face Model Card: Κάρτα μοντέλου που περιγράφει το AMALIA ως open-source μοντέλο 9B για τα Ευρωπαϊκά Πορτογαλικά, με άδεια Apache 2.0, δεδομένα από Arquivo.pt και το μίγμα EuroLLM, στάδια SFT και DPO, καθώς και τεκμηρίωση ηθικών ζητημάτων και περιορισμών (μεροληψίες, παραπληροφόρηση, κακή χρήση): https://huggingface.co/amalia-llm/AMALIA-9B-0626-DPO,
AMALIA Technical Report: Τεχνική εργασία, δεκτή στο συνέδριο PROPOR 2026, που περιγράφει τη συνεχιζόμενη προεκπαίδευση πάνω στο EuroLLM-9B, τη συλλογή και επεξεργασία 195 TB αρχείων WARC από το Arquivo.pt και το φιλτράρισμά τους σε 5,8 δισ. tokens πορτογαλικού κειμένου — τα οποία εντάχθηκαν στο ευρύτερο μίγμα εκπαίδευσης μαζί με το μίγμα EuroLLM των 40 δισ. tokens, επέκταση 60 δισ. tokens και 1,4 δισ. συνθετικά tokens μακρού πλαισίου — την αφαίρεση προσωπικών δεδομένων, την επέκταση του context από 4K σε 32K tokens, τα pt-PT benchmarks και τα στάδια SFT και preference tuning: https://arxiv.org/pdf/2603.26511
Reuters, Portugal launches first open-source AI model: Το Reuters αναφέρει ότι η Πορτογαλία παρουσίασε το AMALIA την 1η Ιουλίου 2026, με κυβερνητική στήριξη και 5,5 εκατ. ευρώ από το ευρωπαϊκό ταμείο ανάκαμψης, διαθέτοντας το μοντέλο, το σύνολο δεδομένων εκπαίδευσης και τον πηγαίο κώδικα με ανοικτή άδεια: https://www.reuters.com/business/finance/portugal-launches-first-open-source-ai-model-joining-europes-sovereignty-push-2026-07-01/
GlossAPI, Greek Datasets: Το GlossAPI προσφέρεται για την επεξεργασία ελληνικών κειμένων και τη μετατροπή τους σε σύνολα δεδομένων για μεγάλα γλωσσικά μοντέλα, με χρονολόγιο, άδειες Creative Commons και συνολικό όγκο άνω των 10,6 δισ. tokens: https://glossapi.gr/
OLMo, Allen Institute for AI: Το OLMo αποτελεί πρότυπο πλήρους ανοικτότητας, καθώς δημοσιεύει training data, κώδικα παραγωγής δεδομένων, βάρη, training code, logs, metrics, inference code, περισσότερα από 500 checkpoints ανά βασικό μοντέλο και evaluation code υπό Apache 2.0: https://allenai.org/blog/olmo-open-language-model-87ccfc95f580,
vLLM Documentation: Το vLLM είναι ανοικτή βιβλιοθήκη για γρήγορο και αποδοτικό τρέξιμο μεγάλων γλωσσικών μοντέλων, με PagedAttention, continuous batching, quantization, OpenAI-compatible API server και υποστήριξη για διαφορετικό υλικό: https://docs.vllm.ai/,
SPDX, Software Bill of Materials (SBOM) Standard: Το SPDX είναι διεθνές ανοικτό πρότυπο ISO/IEC 5962:2021 για SBOMs και μπορεί να χρησιμοποιηθεί για τεκμηρίωση εξαρτήσεων λογισμικού, αδειών και κινδύνων σε ανοικτές υποδομές ΤΝ: https://spdx.dev/.
Μετά την επιτυχημένη ολοκλήρωση του διαγωνισμού φωτογραφίας Wiki Loves Earth 2026 in Greece, εκατοντάδες νέες φωτογραφίες φυσικών περιοχών, τοπίων και μνημείων της Ελλάδας είναι πλέον διαθέσιμες στα Wikimedia Commons με ελεύθερη άδεια χρήσης.
Η προσπάθεια όμως δεν σταματά εδώ. To Wikimedia Community User Group Greece διοργανώνει από την 6η έως την 26ή Ιουλίου 2026 διαδικτυακό μαραθώνιο επεξεργασιών με στόχο:
την προσθήκη των φωτογραφιών του διαγωνισμού σε λήμματα της Βικιπαίδειας και άλλα εγχειρήματα Wikimedia,
τον εμπλουτισμό αντικειμένων στα Wikidata με εικόνες,
την καταχώρηση δομημένων δεδομένων για τις φωτογραφίες στα Wikimedia Commons.
Οι συμμετέχοντες μπορούν να συμβάλουν είτε εικονογραφώντας λήμματα και αντικείμενα των Wikidata είτε προσθέτοντας λεζάντες και στοιχεία «τι απεικονίζεται» στις φωτογραφίες ,
Βραβεία
Οι δύο συμμετέχοντες με τη μεγαλύτερη βαθμολογία θα λάβουν:
1ο βραβείο: Βιβλία επιλογής τους αξίας έως 40€
2ο βραβείο: Βιβλία επιλογής τους αξίας έως 30€
Περισσότερες πληροφορίες για τους κανόνες συμμετοχής, τη βαθμολόγηση και τις διαθέσιμες εικόνες θα βρείτε στη σχετική σελίδα του μαραθωνίου στη Βικιπαίδεια.
Σας περιμένουμε να βοηθήσετε ώστε οι φωτογραφίες του Wiki Loves Earth 2026 να αξιοποιηθούν όσο το δυνατόν περισσότερο στα εγχειρήματα Wikimedia και να γίνουν πιο εύκολα προσβάσιμες σε αναγνώστες σε όλο τον κόσμο.
Η ΕΕΛΛΑΚ συμμετέχει, για δεύτερη συνεχή χρονιά, στο συμπόσιο Greeks in AI, διοργανώνοντας φέτος το Open Sovereign AI Models Workshop , μια συνάντηση αφιερωμένη στο πώς η Ελλάδα μπορεί να χτίσει και να λειτουργήσει ανοιχτά, τοπικά μοντέλα τεχνητής νοημοσύνης χαμηλού κόστους, με έλεγχο στα δεδομένα, στην υποδομή και στο κόστος.
Το workshop θα πραγματοποιηθεί τετάρτη 15 Ιουλίου, στις 15:00, στο Ίδρυμα Ευγενίδου.
Γιατί «Open Sovereign AI»
Η κυριαρχία στην τεχνητή νοημοσύνη δεν σημαίνει απομόνωση. Σημαίνει έλεγχο στα δεδομένα που εκπαιδεύουν τα μοντέλα, στην υποδομή που τα τρέχει και στους όρους με τους οποίους χρησιμοποιούνται από δημόσιους φορείς, επιχειρήσεις και ερευνητικά ιδρύματα. Για μια γλώσσα όπως τα ελληνικά, με δομικά περιορισμένο όγκο ψηφιακού υλικού, κάτι τέτοιο είναι προϋπόθεση για να μην εξαρτηθούμε πλήρως από κλειστές, ξενόγλωσσες υποδομές.
Το workshop φέρνει σε έναν κοινό χώρο τη βιομηχανική εφαρμογή (τοπικά, χαμηλού κόστους LLMs σε πραγματικές συνθήκες λειτουργίας) και τη χάραξη πολιτικής (εθνική στρατηγική, διακυβέρνηση δεδομένων, ρυθμιστικό πλαίσιο) δύο διαστάσεις που σπάνια συζητούνται μαζί, αν και είναι αλληλένδετες.
Στόχος
Ο στόχος μας είναι διπλός: να δείξουμε ότι η ανοιχτή υποδομή δεδομένων και μοντέλων είναι ήδη εδώ και λειτουργεί, και να ανοίξουμε τη συζήτηση σε όσους μπορούν να της δώσουν περαιτέρω ώθηση: φορείς, ερευνητές, επιχειρήσεις, δημόσια διοίκηση. Λεπτομέρειες προγράμματος και ομιλητές θα ανακοινωθούν σύντομα.
Ανοιχτή πρόσκληση
Το Greeks in AI είναι ανοιχτό σε όποιον ενδιαφέρεται ενεργά για μια ανοιχτή, διαφανή και συμμετοχική τεχνητή νοημοσύνη, σε ερευνητές, μηχανικούς, φορείς, φοιτητές, δημόσιους λειτουργούς, επιχειρηματίες. Αν νιώθεις μέρος αυτού του οικοσυστήματος, σε περιμένουμε.
Εάν θέλεις να λαμβάνεις κάθε μήνα το ενημερωτικό δελτίο για τις Ανοιχτές Τεχνολογίες καταχώρησε εδώ (https://newsletters.ellak.gr/?p=subscribe&id=) το email σου. Το ενημερωτικό δελτίο στέλνεται κάθε μήνα σε πάνω από 60.000 παραλήπτες.
Στο argilla.glossapi.gr καλούμε εθελοντές από τις κοινότητες ανοιχτού λογισμικού, ερευνητές, γλωσσολόγους, μεταφραστές, προγραμματιστές, εκπαιδευτικούς και κάθε ενεργό χρήστη της ελληνικής γλώσσας να συμμετάσχουν στη διαδικασία Μάθησης από Ανθρώπινη Ανάδραση (RLHF). Στην πράξη αυτό σημαίνει κάτι απλό αλλά εξαιρετικά σημαντικό: να βοηθήσουμε τα γλωσσικά μοντέλα να ξεχωρίζουν ποια απάντηση είναι φυσική, σαφής, ακριβής και ποια ακούγεται ξένη, άκαμπτη ή «ρομποτική». Η RLHF βασίζεται ακριβώς σε αυτή την ανθρώπινη αξιολόγηση, ώστε το μοντέλο να βελτιώνεται με βάση ανθρώπινες κρίσεις και όχι μόνο στατιστικά μοτίβα.
Η FOSSCOMM επιστρέφει! Η μεγαλύτερη ετήσια συνάντηση των κοινοτήτων Ελεύθερου και Ανοιχτού Λογισμικού της Ελλάδας έρχεται για 19η χρονιά, αυτή τη φορά στην Αθήνα.
Πότε: 31 Οκτωβρίου – 1 Νοεμβρίου 2026 Πού: Πανεπιστήμιο Δυτικής Αττικής (Θηβών 250, Αιγάλεω) Είσοδος: Δωρεάν — όπως αρμόζει στο ελεύθερο λογισμικό
Πώς μπορεί η Τεχνητή Νοημοσύνη να υποστηρίξει πιο ανοιχτές, συμμετοχικές και αποτελεσματικές διαδικασίες διαβούλευσης; Αυτή είναι η πρόκληση που επιχειρούμε να διερευνήσουμε μέσα από το ευρωπαϊκό έργο AI4Deliberation και σας καλούμε να συμβάλετε ενεργά στην προσπάθεια του https://opengovai4d.ellak.gr/.
Η Οργανωτική Επιτροπή του Διαγωνισμού Ανοιχτών Τεχνολογιών ανακοινώνει τα αποτελέσματα της αξιολόγησης των έργων του 8ου Πανελλήνιου Διαγωνισμού Ανοιχτών Τεχνολογιών, που υλοποιήθηκε κατά τη σχολική χρονιά 2025–2026.
Στις 16 Ιουνίου 2026, η Λευκωσία φιλοξένησε ένα από τα πιο σημαντικά γεγονότα πολιτικής ανοιχτού λογισμικού στην Ευρώπη: το OFE Capital Series Cyprus, που διοργανώνει το OpenForum Europe (OFE) σε συνεργασία με τοπικούς και ευρωπαϊκούς εταίρους .
Στις 10 Ιουνίου 2026, το νορβηγικό τεχνολογικό φόρουμ Kongsberg Agenda φιλοξένησε μια κορυφαία συζήτηση για την ασφάλεια του λογισμικού ανοιχτού κώδικα και τη σχέση της με την εθνική κυριαρχία. Ανάμεσα στους διακεκριμένους ομιλητές συμμετείχε ο Επίτιμος Πρόεδρος της ΕΕΛΛΑΚ, Καθηγητής του Οικονομικού Πανεπιστημίου Αθηνών και του Πολυτεχνείου του Delft, Διομήδης Σπινέλλης.
Στις 3 Ιουνίου 2026, η Ευρωπαϊκή Επιτροπή παρουσίασε το νέο Πακέτο Τεχνολογικής Ανεξαρτησίας (Technological Sovereignty Package), στο οποίο περιλαμβάνεται και η νέα Στρατηγική για το Ανοιχτό Λογισμικό (Open Source Strategy). Η πρωτοβουλία αυτή σηματοδοτεί μια σημαντική αλλαγή στην ψηφιακή πολιτική της Ευρωπαϊκής Ένωσης, με στόχο τη μείωση της εξάρτησης από ιδιόκτητες τεχνολογίες και την ενίσχυση της ευρωπαϊκής τεχνολογικής αυτονομίας.
ΝΕΑ ΥΟΡΚΗ, 2η ημέρα του UN Open Source Week 2026. Στον απόηχο των συζητήσεων στον ΟΗΕ για το μέλλον της ψηφιακής διακυβέρνησης, η σημερινή παρέμβαση του Yann LeCun λειτούργησε ως μια «ψυχρολουσία» πραγματισμού απέναντι στις υπερβολές που λέγονται και γράφονται για την τεχνητή νοημοσύνη. Ο πρώην επικεφαλής επιστήμονας της Meta και νυν συνιδρητής των Advanced Machine Intelligence Labs δεν στάθηκε μόνο στις τεχνικές προκλήσεις, αλλά άγγιξε την «καρδιά» του προβλήματος της οικονομικής και πολιτικής βιωσιμότητα της ΤΝ.
Πόση ώρα μέχρι το επόμενο τρένο; Είναι ίσως η πιο συχνή ερώτηση κάθε επιβάτη που στέκεται σε μια αποβάθρα του μετρό ή περιμένει το τραμ. Το Syrmos, ένα νέο civic-tech project ανοιχτού κώδικα, φιλοδοξεί να δώσει σε αυτή την ερώτηση μια απλή, γρήγορη και αξιόπιστη απάντηση — χωρίς λογαριασμούς, χωρίς διαφημίσεις και χωρίς παρακολούθηση.
Η καταληκτική συνεδρία της δεύτερης ημέρας της UN Open Source Week 2026 με θέμα “Ανοιχτό Λογισμικό και ΤΝ” στη Νέα Υόρκη ανέξειξε εμφατικά ότι η «ανοιχτότητα» αποτελεί πριν από όλα στρατηγική αναγκαιότητα για την επιβίωση των κρατών στην εποχή της Τεχνητής Νοημοσύνης.
Η στροφή προς το λογισμικό ανοικτού κώδικα (Open Source Software) στον δημόσιο τομέα αποκτά ολοένα και μεγαλύτερη δυναμική στην Ευρώπη. Ένα χαρακτηριστικό παράδειγμα αποτελεί η πρόσφατη απόφαση της Ολλανδικής Ένωσης Δήμων (VNG – Vereniging van Nederlandse Gemeenten) να ενσωματώσει την αρχή «open source, εκτός αν υπάρχει λόγος για το αντίθετο» στις νέες κατευθυντήριες οδηγίες για τις προμήθειες τεχνολογίας πληροφοριών.
Με αφορμή τη συμπλήρωση δέκα ετών από την ίδρυσή του, το Nextcloud γιορτάζει ένα σημαντικό ορόσημο για το ανοιχτό λογισμικό, την ιδιωτικότητα και την ψηφιακή κυριαρχία. Από το 2016, όταν αποτέλεσε ένα τολμηρό fork του ownCloud από τον ιδρυτή Frank Karlitschek, το Nextcloud έχει εξελιχθεί από ένα εργαλείο διαμοιρασμού αρχείων σε μία πλήρη πλατφόρμα συνεργασίας, εξυπηρετώντας εκατοντάδες χιλιάδες ψηφιακούς χώρους εργασίας κάθε μήνα. Το 2026, η πλατφόρμα αριθμεί περισσότερους από 500.000 ενεργούς διακομιστές παγκοσμίως, με εκατομμύρια χρήστες να επιλέγουν την αυτονομία έναντι του εγκλεισμού σε λύσεις μεγάλων παρόχων.
Η ψηφιακή κυριαρχία δεν είναι μια αφηρημένη έννοια εξωτερικής πολιτικής. Είναι η καθημερινή ικανότητα ενός κράτους να γνωρίζει, να ελέγχει και να αλλάζει τις ψηφιακές υποδομές πάνω στις οποίες λειτουργούν οι δημόσιες υπηρεσίες, η οικονομία και τα δικαιώματα των πολιτών. Όταν ένα κρίσιμο πληροφοριακό σύστημα εξαρτάται αποκλειστικά από έναν προμηθευτή, από κλειστές τεχνολογίες ή από υποδομές που λειτουργούν υπό ξένο κανονιστικό και επιχειρηματικό έλεγχο, τότε η εξάρτηση δεν είναι μόνο τεχνική. Είναι πολιτική, οικονομική και θεσμική.
Ένα από τα πιο χαρακτηριστικά παραδείγματα αυτής της τάσης είναι το Nuage, μια πλατφόρμα αποθήκευσης και διαμοιρασμού αρχείων που ανέπτυξε το Υπουργείο Εθνικής Παιδείας για εκπαιδευτικούς, διοικητικούς υπαλλήλους και λοιπό προσωπικό. Απευθύνεται στο σύνολο των 1,2 εκατομμυρίων εργαζομένων του Υπουργείου, ενώ σήμερα μετρά 400.000 ενεργούς λογαριασμούς, με περίπου τα δύο τρίτα των χρηστών να έχουν πρόσβαση στην υπηρεσία κάθε εβδομάδα.
Το ανοιχτό διαδίκτυο αποτελεί έναν από τους σημαντικότερους πυλώνες της σύγχρονης κοινωνίας της πληροφορίας. Η δυνατότητα πρόσβασης σε δημόσια διαθέσιμες πληροφορίες μέσω αυτοματοποιημένων εργαλείων, όπως οι μηχανές συλλογής δεδομένων (web crawlers και scrapers), έχει συμβάλει καθοριστικά στην έρευνα, τη δημοσιογραφία, τη διαφάνεια και την καινοτομία. Ωστόσο, αυτή η ελευθερία φαίνεται να βρίσκεται σήμερα αντιμέτωπη με νέες προκλήσεις.
Η συζήτηση για την Τεχνητή Νοημοσύνη δεν μπορεί πλέον να περιορίζεται στο ποιο εμπορικό API απαντά καλύτερα. Το πραγματικό ερώτημα είναι ποιος ελέγχει την υποδομή, τα δεδομένα, το κόστος, τους κανόνες και τη δυνατότητα ελέγχου. Τα ανοιχτά μοντέλα, ιδίως τα μοντέλα ανοιχτών βαρών, έχουν φτάσει σε επίπεδο που επιτρέπει σε πανεπιστήμια, ερευνητικά κέντρα, δήμους, περιφέρειες, υπουργεία και μικρές επιχειρήσεις να δημιουργήσουν δικές τους τοπικές υποδομές ΤΝ, χωρίς να εξαρτώνται από κλειστά συστήματα τρίτων χωρών.
Παρά τους φόβους ότι η Τεχνητή Νοημοσύνη (AI) θα οδηγήσει σε μαζική απώλεια θέσεων εργασίας στον κλάδο της τεχνολογίας, η πραγματικότητα στην Ευρώπη φαίνεται αρκετά διαφορετική. Σύμφωνα με την έκθεση State of Tech Talent Europe 2026 του Linux Foundation, η AI λειτουργεί σήμερα περισσότερο ως μοχλός δημιουργίας νέων θέσεων εργασίας παρά ως αιτία συρρίκνωσης της απασχόλησης.
O Οργανισμός Ανοιχτών Τεχνολογιών- ΕΕΛΛΑΚ εκφράζει τα θερμά της συγχαρητήρια σε όλους τους εκπαιδευτικούς που βραβεύτηκαν ή διακρίθηκαν στο πλαίσιο των Scientix Awards 2026, αναδεικνύοντας μέσα από το έργο τους τη δημιουργικότητα, την καινοτομία και την αφοσίωσή τους στην εκπαίδευση.
Η ανάπτυξη του AMALIA δείχνει με πρακτικό τρόπο τι σημαίνει η δημιουργία ενός μεγάλου γλωσσικού μοντέλου ως δημόσιας ερευνητικής υποδομής και όχι ως κλειστού προϊόντος. Το πρόβλημα που επιχειρεί να λύσει είναι γνωστό σε όλες τις ευρωπαϊκές γλώσσες με μικρότερη παρουσία στα μεγάλα σύνολα εκπαίδευσης: τα κυρίαρχα μοντέλα μαθαίνουν κυρίως από αγγλικά δεδομένα, ενώ ακόμη και όταν υποστηρίζουν άλλες γλώσσες συχνά μπερδεύουν γλωσσικές ποικιλίες, πολιτισμικές αναφορές και τοπικές χρήσεις. Στην περίπτωση των πορτογαλικών, η υπεροχή των βραζιλιάνικων πορτογαλικών στο διαδίκτυο επηρεάζει την ικανότητα των μοντέλων να παράγουν σταθερά ευρωπαϊκά πορτογαλικά. Το AMALIA σχεδιάστηκε ακριβώς για να αντιμετωπίσει αυτή την ανισορροπία.
Η βασική του επιλογή δεν ήταν να δημιουργηθεί απλώς ένα ακόμη μοντέλο γενικής χρήσης. Ήταν να βελτιωθεί στοχευμένα ένα ευρωπαϊκό γλωσσικό υπόβαθρο, το EuroLLM-9B, με έμφαση στην πορτογαλική γλώσσα όπως χρησιμοποιείται στην Πορτογαλία. Αυτό σημαίνει ότι το AMALIA δεν στηρίχθηκε μόνο σε μεγαλύτερο όγκο δεδομένων, αλλά σε μια σειρά αποφάσεων για την προέλευση, το φιλτράρισμα, την ποιότητα, την αξιολόγηση και την ανοιχτή διάθεση των πόρων.
Η πρώτη ύλη: από το Arquivo.pt στα καθαρά δεδομένα εκπαίδευσης
Το τεχνικό θεμέλιο του AMALIA ήταν η συστηματική αξιοποίηση του Arquivo.pt, του πορτογαλικού αρχείου του ιστού. Η ομάδα συνέλεξε μεγάλες συλλογές WARC αρχείων, συνολικού ακατέργαστου μεγέθους 195 TB, με στόχο να αντλήσει κείμενα που αποτυπώνουν πραγματική χρήση της γλώσσας στον δημόσιο πορτογαλικό ιστό. Αυτό είναι κρίσιμο, γιατί ένα γλωσσικό μοντέλο δεν μαθαίνει μόνο γραμματική. Μαθαίνει συμφραζόμενα, διοικητικές διατυπώσεις, δημόσιο λόγο, καθημερινές εκφράσεις, λεξιλογικές αποχρώσεις και πολιτισμικές συνδέσεις.
Το δύσκολο μέρος δεν ήταν η συλλογή, αλλά η μετατροπή του υλικού σε αξιόπιστο σώμα εκπαίδευσης. Η ομάδα κατασκεύασε αγωγό επεξεργασίας εμπνευσμένο από τις πρακτικές του FineWeb2, χρησιμοποιώντας τη βιβλιοθήκη DataTrove. Πρώτα εφαρμόστηκε φιλτράρισμα URL, με απομάκρυνση τομέων “.br”, ώστε να μειωθεί η παρουσία βραζιλιάνικου περιεχομένου. Έπειτα χρησιμοποιήθηκαν κατάλογοι αποκλεισμού για ακατάλληλο περιεχόμενο και εξαγωγή καθαρού κειμένου από HTML με το Trafilatura. Ακολούθησε καθαρισμός σύντομων ή διπλότυπων γραμμών, αναγνώριση γλώσσας, ποιοτικά φίλτρα, φίλτρα επανάληψης και αφαίρεση προσωπικών δεδομένων όπως διευθύνσεις IP, emails και αριθμοί τηλεφώνου.
Η αποδιπλοποίηση έγινε με MinHash, ώστε να περιοριστεί η υπερεκπροσώπηση επαναλαμβανόμενων σελίδων και τυποποιημένων κειμένων. Στο τέλος, τα δεδομένα ταξινομήθηκαν με το μοντέλο EuroFilter σε ποιοτικές κατηγορίες. Για την εκπαίδευση χρησιμοποιήθηκαν τα υψηλής και μεσαίας ποιότητας τμήματα, συνολικού μεγέθους περίπου 5,8 δισεκατομμυρίων tokens. Αυτή η διαδικασία δείχνει ότι η ποιότητα των δεδομένων δεν είναι δευτερεύον βήμα. Είναι η βασική πράξη σχεδιασμού ενός γλωσσικού μοντέλου.
Επέκταση του EuroLLM με μεγαλύτερο συμφραζόμενο
Το AMALIA βασίστηκε στην τελική φάση προεκπαίδευσης του EuroLLM-9B. Η ομάδα δεν ξεκίνησε από μηδενικό μοντέλο, αλλά πήρε ένα ευρωπαϊκό πολυγλωσσικό υπόβαθρο και το συνέχισε με νέα μίγματα δεδομένων. Το μίγμα περιλάμβανε τέσσερις βασικές πηγές: το αρχικό μίγμα του EuroLLM, περίπου 40 δισεκατομμύρια tokens από πολλές ευρωπαϊκές γλώσσες, 60 δισεκατομμύρια πρόσθετα tokens με καλύτερη κάλυψη κώδικα, 1,4 δισεκατομμύρια συνθετικά tokens για μακρά συμφραζόμενα και τα 5,8 δισεκατομμύρια tokens από το Arquivo.pt.
Η σημαντική αρχιτεκτονική αλλαγή ήταν η αύξηση του μέγιστου μήκους συμφραζομένων από 4K σε 32K tokens. Για να γίνει αυτό, εφαρμόστηκε κλιμάκωση RoPE, με αύξηση της σχετικής παραμέτρου από 10.000 σε 1.000.000. Με απλά λόγια, το AMALIA εκπαιδεύτηκε ώστε να μπορεί να διαχειρίζεται πολύ μεγαλύτερα κείμενα χωρίς να χάνει τη συνοχή του. Αυτό είναι ιδιαίτερα χρήσιμο για διοικητικά έγγραφα, νομικά κείμενα, εκπαιδευτικό υλικό, τεχνικές αναφορές και πολυγλωσσική τεκμηρίωση.
Η προεκπαίδευση διήρκεσε 80 ώρες σε 256 NVIDIA H100 GPUs. Η κλίμακα αυτή δείχνει ότι ένα σοβαρό εθνικό ή γλωσσικό μοντέλο δεν είναι απλή υπόθεση, αλλά και ότι δεν απαιτεί κατ’ ανάγκην τα αδιαφανή μεγέθη των κλειστών υπερμοντέλων. Με σωστό σχεδιασμό, στοχευμένη συνέχεια εκπαίδευσης και υψηλής ποιότητας δεδομένα, ένα μοντέλο 9B παραμέτρων μπορεί να αποκτήσει ουσιαστικές ικανότητες σε μια συγκεκριμένη γλωσσική κοινότητα.
Μετά την προεκπαίδευση: οδηγίες, διάλογος, μαθηματικά και ασφάλεια
Το δεύτερο στάδιο ήταν η εποπτευόμενη προσαρμογή, δηλαδή η εκπαίδευση του μοντέλου να ακολουθεί οδηγίες, να απαντά σε διάλογο και να λύνει προβλήματα. Το μίγμα εκπαίδευσης οργανώθηκε σε τέσσερις κατηγορίες: ακολουθία οδηγιών, συνομιλιακή συλλογιστική, μαθηματική επίλυση προβλημάτων και ασφάλεια.
Εδώ η ομάδα συνδύασε χειροποίητα δεδομένα, συνθετικά δεδομένα και δημόσια διαθέσιμα σύνολα από το Hugging Face, με ανοιχτές άδειες. Για να αυξηθεί η ποικιλία των παραδειγμάτων χρησιμοποιήθηκε η μέθοδος PersonaHub, δηλαδή παραγωγή παραδειγμάτων από πολλαπλές υποθετικές περσόνες. Δημιουργήθηκαν δεδομένα στα ευρωπαϊκά πορτογαλικά και στα αγγλικά, ενώ για τη μετάφραση χρησιμοποιήθηκαν ένα εξειδικευμένο μεταφραστικό μοντέλο ευρωπαϊκών πορτογαλικών και το Gemma 3-27B, με επακόλουθη παραγωγή ερωτήσεων και απαντήσεων. Η χρήση διαφορετικών μοντέλων παραγωγής μείωσε τον κίνδυνο να αποκτήσει το AMALIA μια στενή ή μονοδιάστατη συμπεριφορά.
Ιδιαίτερο ενδιαφέρον έχει το μικρό αλλά ποιοτικό σύνολο γλωσσικών οδηγιών, 200 παραδειγμάτων, επιμελημένο από ειδικό στη γλωσσολογία των πορτογαλικών. Περιλάμβανε φωνητική, ορθογραφία, ιδιωματισμούς, παιχνίδια λέξεων και γραμματική ταξινόμηση. Αυτό είναι μάθημα και για άλλες γλώσσες, όπως τα ελληνικά: η γλωσσική επάρκεια δεν προκύπτει μόνο από πολλά δεδομένα, αλλά από ειδικά σχεδιασμένα παραδείγματα για τα δύσκολα σημεία της γλώσσας.
Η εποπτευόμενη προσαρμογή έγινε σε 14.000 βήματα, περίπου 4,25 εποχές, με AdamW, bfloat16 και επιλογή τελικού checkpoint με βάση το σύνολο επικύρωσης. Η εκπαίδευση διήρκεσε 76 ώρες σε 64 H100 GPUs.
Προτιμησιακή εκπαίδευση και ευθυγράμμιση
Το τρίτο στάδιο ήταν η προτιμησιακή εκπαίδευση με Direct Preference Optimization. Η αρχική προσέγγιση χρησιμοποίησε 200.000 prompts από το SFT σύνολο. Για κάθε prompt παράχθηκαν 32 υποψήφιες απαντήσεις από το ίδιο το AMALIA-SFT, βαθμολογήθηκαν με το reward model ArmoRM και επιλέχθηκαν οι καλύτερες και χειρότερες ως ζεύγη προτίμησης.
Όμως η ομάδα εντόπισε ένα συνηθισμένο πρόβλημα: η γενική προτιμησιακή εκπαίδευση μπορεί να βελτιώνει συνολικά τη συμπεριφορά, αλλά να χειροτερεύει μαθηματική συλλογιστική ή αυστηρή τήρηση οδηγιών. Για τον λόγο αυτό εμπλουτίστηκε το μίγμα με εξειδικευμένα ζεύγη. Στα μαθηματικά, καλύτερες απαντήσεις παράχθηκαν με ισχυρότερο Qwen 3-32B και χειρότερες με Qwen 3-0.6B. Σε πορτογαλικά δεδομένα προστέθηκαν επιπλέον παραδείγματα Persona-Nemotron για γενική χρήση, μαθηματικά και ακολουθία οδηγιών. Για την ασφάλεια ενσωματώθηκαν σύνολα που στοχεύουν σε επικίνδυνα prompts και πολιτισμικά προσαρμοσμένη ασφαλή συμπεριφορά. Το τελικό μίγμα περιλάμβανε 478.000 ζεύγη προτίμησης και εκπαιδεύτηκε για μία εποχή σε 64 H100 GPUs.
Αξιολόγηση με κριτήρια
Το πιο σημαντικό στοιχείο του AMALIA δεν είναι μόνο το μοντέλο, αλλά και η σουίτα αξιολόγησης. Η ομάδα δεν αρκέστηκε σε μηχανικά μεταφρασμένα benchmarks. Δημιούργησε νέα σύνολα για τα ευρωπαϊκά πορτογαλικά: συμπληρώσεις προτάσεων που ξεχωρίζουν pt-PT από pt-BR, ερωτήσεις από εθνικές εξετάσεις, το ALBA για γλωσσική επάρκεια και το P3B3 για έλεγχο μεροληψίας προς πορτογαλικές ποικιλίες.
Τα αποτελέσματα δείχνουν ότι το AMALIA είναι ανταγωνιστικό με άλλα ανοιχτά μοντέλα αντίστοιχου μεγέθους και υπερέχει στα ειδικά pt-PT benchmarks. Η έκδοση DPO πέτυχε ιδιαίτερα υψηλές επιδόσεις σε εξετάσεις, γλωσσική αξιολόγηση και παραγωγή ευρωπαϊκών πορτογαλικών. Στα τεστ ασφάλειας εμφάνισε χαμηλά ποσοστά επιτυχίας επιθέσεων, ένδειξη ότι η ευθυγράμμιση βελτίωσε και την ανθεκτικότητα απέναντι σε κακόβουλες οδηγίες.
Τι μας διδάσκει το AMALIA
Το AMALIA είναι σημαντικό γιατί δείχνει έναν εφικτό δρόμο για τις γλώσσες της Ευρώπης. Πρώτον, τα γλωσσικά μοντέλα δεν πρέπει να κρίνονται μόνο με αγγλοκεντρικά μέτρα. Δεύτερον, τα εθνικά αρχεία ιστού, οι δημόσιες βιβλιοθήκες, τα εκπαιδευτικά σώματα και τα διοικητικά κείμενα μπορούν να γίνουν στρατηγικές υποδομές ΤΝ, αρκεί να καθαριστούν, να τεκμηριωθούν και να διατεθούν με ανοιχτούς όρους. Τρίτον, η πλήρης ανοιχτότητα χρειάζεται μοντέλα, δεδομένα, κώδικα, benchmarks, άδειες και διαδικασίες αξιολόγησης. Δεν αρκεί η δημοσίευση βαρών.
Για την Ελλάδα, το δίδαγμα είναι άμεσο. Ένα πλήρως ανοιχτό ελληνικό γλωσσικό μοντέλο δεν πρέπει να είναι αντιγραφή ενός διεθνούς μοντέλου. Πρέπει να βασιστεί σε ελληνικά δημόσια δεδομένα υψηλής ποιότητας, σε εργαλεία όπως το GlossAPI, σε ανοιχτά πρότυπα τεκμηρίωσης, σε γλωσσολογική επιμέλεια και σε γηγενή benchmarks που μετρούν την πραγματική χρήση της ελληνικής γλώσσας. Το AMALIA δείχνει ότι η γλωσσική κυριαρχία στην ΤΝ δεν είναι σύνθημα. Είναι αγωγός δεδομένων, υπολογιστική υποδομή, ανοιχτή άδεια, αξιολόγηση και δημόσια λογοδοσία.
Η ανάπτυξη του AMALIA δείχνει με πρακτικό τρόπο τι σημαίνει η δημιουργία ενός μεγάλου γλωσσικού μοντέλου ως δημόσιας ερευνητικής υποδομής και όχι ως κλειστού προϊόντος. Το πρόβλημα που επιχειρεί να λύσει είναι γνωστό σε όλες τις ευρωπαϊκές γλώσσες με μικρότερη παρουσία στα μεγάλα σύνολα εκπαίδευσης: τα κυρίαρχα μοντέλα μαθαίνουν κυρίως από αγγλικά δεδομένα, ενώ ακόμη και όταν υποστηρίζουν άλλες γλώσσες συχνά μπερδεύουν γλωσσικές ποικιλίες, πολιτισμικές αναφορές και τοπικές χρήσεις. Στην περίπτωση των πορτογαλικών, η υπεροχή των βραζιλιάνικων πορτογαλικών στο διαδίκτυο επηρεάζει την ικανότητα των μοντέλων να παράγουν σταθερά ευρωπαϊκά πορτογαλικά. Το AMALIA σχεδιάστηκε ακριβώς για να αντιμετωπίσει αυτή την ανισορροπία.
Η βασική του επιλογή δεν ήταν να δημιουργηθεί απλώς ένα ακόμη μοντέλο γενικής χρήσης. Ήταν να βελτιωθεί στοχευμένα ένα ευρωπαϊκό γλωσσικό υπόβαθρο, το EuroLLM-9B, με έμφαση στην πορτογαλική γλώσσα όπως χρησιμοποιείται στην Πορτογαλία. Αυτό σημαίνει ότι το AMALIA δεν στηρίχθηκε μόνο σε μεγαλύτερο όγκο δεδομένων, αλλά σε μια σειρά αποφάσεων για την προέλευση, το φιλτράρισμα, την ποιότητα, την αξιολόγηση και την ανοιχτή διάθεση των πόρων.
Η πρώτη ύλη: από το Arquivo.pt στα καθαρά δεδομένα εκπαίδευσης
Το τεχνικό θεμέλιο του AMALIA ήταν η συστηματική αξιοποίηση του Arquivo.pt, του πορτογαλικού αρχείου του ιστού. Η ομάδα συνέλεξε μεγάλες συλλογές WARC αρχείων, συνολικού ακατέργαστου μεγέθους 195 TB, με στόχο να αντλήσει κείμενα που αποτυπώνουν πραγματική χρήση της γλώσσας στον δημόσιο πορτογαλικό ιστό. Αυτό είναι κρίσιμο, γιατί ένα γλωσσικό μοντέλο δεν μαθαίνει μόνο γραμματική. Μαθαίνει συμφραζόμενα, διοικητικές διατυπώσεις, δημόσιο λόγο, καθημερινές εκφράσεις, λεξιλογικές αποχρώσεις και πολιτισμικές συνδέσεις.
Το δύσκολο μέρος δεν ήταν η συλλογή, αλλά η μετατροπή του υλικού σε αξιόπιστο σώμα εκπαίδευσης. Η ομάδα κατασκεύασε αγωγό επεξεργασίας εμπνευσμένο από τις πρακτικές του FineWeb2, χρησιμοποιώντας τη βιβλιοθήκη DataTrove. Πρώτα εφαρμόστηκε φιλτράρισμα URL, με απομάκρυνση τομέων “.br”, ώστε να μειωθεί η παρουσία βραζιλιάνικου περιεχομένου. Έπειτα χρησιμοποιήθηκαν κατάλογοι αποκλεισμού για ακατάλληλο περιεχόμενο και εξαγωγή καθαρού κειμένου από HTML με το Trafilatura. Ακολούθησε καθαρισμός σύντομων ή διπλότυπων γραμμών, αναγνώριση γλώσσας, ποιοτικά φίλτρα, φίλτρα επανάληψης και αφαίρεση προσωπικών δεδομένων όπως διευθύνσεις IP, emails και αριθμοί τηλεφώνου.
Η αποδιπλοποίηση έγινε με MinHash, ώστε να περιοριστεί η υπερεκπροσώπηση επαναλαμβανόμενων σελίδων και τυποποιημένων κειμένων. Στο τέλος, τα δεδομένα ταξινομήθηκαν με το μοντέλο EuroFilter σε ποιοτικές κατηγορίες. Για την εκπαίδευση χρησιμοποιήθηκαν τα υψηλής και μεσαίας ποιότητας τμήματα, συνολικού μεγέθους περίπου 5,8 δισεκατομμυρίων tokens. Αυτή η διαδικασία δείχνει ότι η ποιότητα των δεδομένων δεν είναι δευτερεύον βήμα. Είναι η βασική πράξη σχεδιασμού ενός γλωσσικού μοντέλου.
Επέκταση του EuroLLM με μεγαλύτερο συμφραζόμενο
Το AMALIA βασίστηκε στην τελική φάση προεκπαίδευσης του EuroLLM-9B. Η ομάδα δεν ξεκίνησε από μηδενικό μοντέλο, αλλά πήρε ένα ευρωπαϊκό πολυγλωσσικό υπόβαθρο και το συνέχισε με νέα μίγματα δεδομένων. Το μίγμα περιλάμβανε τέσσερις βασικές πηγές: το αρχικό μίγμα του EuroLLM, περίπου 40 δισεκατομμύρια tokens από πολλές ευρωπαϊκές γλώσσες, 60 δισεκατομμύρια πρόσθετα tokens με καλύτερη κάλυψη κώδικα, 1,4 δισεκατομμύρια συνθετικά tokens για μακρά συμφραζόμενα και τα 5,8 δισεκατομμύρια tokens από το Arquivo.pt.
Η σημαντική αρχιτεκτονική αλλαγή ήταν η αύξηση του μέγιστου μήκους συμφραζομένων από 4K σε 32K tokens. Για να γίνει αυτό, εφαρμόστηκε κλιμάκωση RoPE, με αύξηση της σχετικής παραμέτρου από 10.000 σε 1.000.000. Με απλά λόγια, το AMALIA εκπαιδεύτηκε ώστε να μπορεί να διαχειρίζεται πολύ μεγαλύτερα κείμενα χωρίς να χάνει τη συνοχή του. Αυτό είναι ιδιαίτερα χρήσιμο για διοικητικά έγγραφα, νομικά κείμενα, εκπαιδευτικό υλικό, τεχνικές αναφορές και πολυγλωσσική τεκμηρίωση.
Η προεκπαίδευση διήρκεσε 80 ώρες σε 256 NVIDIA H100 GPUs. Η κλίμακα αυτή δείχνει ότι ένα σοβαρό εθνικό ή γλωσσικό μοντέλο δεν είναι απλή υπόθεση, αλλά και ότι δεν απαιτεί κατ’ ανάγκην τα αδιαφανή μεγέθη των κλειστών υπερμοντέλων. Με σωστό σχεδιασμό, στοχευμένη συνέχεια εκπαίδευσης και υψηλής ποιότητας δεδομένα, ένα μοντέλο 9B παραμέτρων μπορεί να αποκτήσει ουσιαστικές ικανότητες σε μια συγκεκριμένη γλωσσική κοινότητα.
Μετά την προεκπαίδευση: οδηγίες, διάλογος, μαθηματικά και ασφάλεια
Το δεύτερο στάδιο ήταν η εποπτευόμενη προσαρμογή, δηλαδή η εκπαίδευση του μοντέλου να ακολουθεί οδηγίες, να απαντά σε διάλογο και να λύνει προβλήματα. Το μίγμα εκπαίδευσης οργανώθηκε σε τέσσερις κατηγορίες: ακολουθία οδηγιών, συνομιλιακή συλλογιστική, μαθηματική επίλυση προβλημάτων και ασφάλεια.
Εδώ η ομάδα συνδύασε χειροποίητα δεδομένα, συνθετικά δεδομένα και δημόσια διαθέσιμα σύνολα από το Hugging Face, με ανοιχτές άδειες. Για να αυξηθεί η ποικιλία των παραδειγμάτων χρησιμοποιήθηκε η μέθοδος PersonaHub, δηλαδή παραγωγή παραδειγμάτων από πολλαπλές υποθετικές περσόνες. Δημιουργήθηκαν δεδομένα στα ευρωπαϊκά πορτογαλικά και στα αγγλικά, ενώ για τη μετάφραση χρησιμοποιήθηκαν ένα εξειδικευμένο μεταφραστικό μοντέλο ευρωπαϊκών πορτογαλικών και το Gemma 3-27B, με επακόλουθη παραγωγή ερωτήσεων και απαντήσεων. Η χρήση διαφορετικών μοντέλων παραγωγής μείωσε τον κίνδυνο να αποκτήσει το AMALIA μια στενή ή μονοδιάστατη συμπεριφορά.
Ιδιαίτερο ενδιαφέρον έχει το μικρό αλλά ποιοτικό σύνολο γλωσσικών οδηγιών, 200 παραδειγμάτων, επιμελημένο από ειδικό στη γλωσσολογία των πορτογαλικών. Περιλάμβανε φωνητική, ορθογραφία, ιδιωματισμούς, παιχνίδια λέξεων και γραμματική ταξινόμηση. Αυτό είναι μάθημα και για άλλες γλώσσες, όπως τα ελληνικά: η γλωσσική επάρκεια δεν προκύπτει μόνο από πολλά δεδομένα, αλλά από ειδικά σχεδιασμένα παραδείγματα για τα δύσκολα σημεία της γλώσσας.
Η εποπτευόμενη προσαρμογή έγινε σε 14.000 βήματα, περίπου 4,25 εποχές, με AdamW, bfloat16 και επιλογή τελικού checkpoint με βάση το σύνολο επικύρωσης. Η εκπαίδευση διήρκεσε 76 ώρες σε 64 H100 GPUs.
Προτιμησιακή εκπαίδευση και ευθυγράμμιση
Το τρίτο στάδιο ήταν η προτιμησιακή εκπαίδευση με Direct Preference Optimization. Η αρχική προσέγγιση χρησιμοποίησε 200.000 prompts από το SFT σύνολο. Για κάθε prompt παράχθηκαν 32 υποψήφιες απαντήσεις από το ίδιο το AMALIA-SFT, βαθμολογήθηκαν με το reward model ArmoRM και επιλέχθηκαν οι καλύτερες και χειρότερες ως ζεύγη προτίμησης.
Όμως η ομάδα εντόπισε ένα συνηθισμένο πρόβλημα: η γενική προτιμησιακή εκπαίδευση μπορεί να βελτιώνει συνολικά τη συμπεριφορά, αλλά να χειροτερεύει μαθηματική συλλογιστική ή αυστηρή τήρηση οδηγιών. Για τον λόγο αυτό εμπλουτίστηκε το μίγμα με εξειδικευμένα ζεύγη. Στα μαθηματικά, καλύτερες απαντήσεις παράχθηκαν με ισχυρότερο Qwen 3-32B και χειρότερες με Qwen 3-0.6B. Σε πορτογαλικά δεδομένα προστέθηκαν επιπλέον παραδείγματα Persona-Nemotron για γενική χρήση, μαθηματικά και ακολουθία οδηγιών. Για την ασφάλεια ενσωματώθηκαν σύνολα που στοχεύουν σε επικίνδυνα prompts και πολιτισμικά προσαρμοσμένη ασφαλή συμπεριφορά. Το τελικό μίγμα περιλάμβανε 478.000 ζεύγη προτίμησης και εκπαιδεύτηκε για μία εποχή σε 64 H100 GPUs.
Αξιολόγηση με γηγενή κριτήρια
Το πιο σημαντικό στοιχείο του AMALIA δεν είναι μόνο το μοντέλο, αλλά και η σουίτα αξιολόγησης. Η ομάδα δεν αρκέστηκε σε μηχανικά μεταφρασμένα benchmarks. Δημιούργησε νέα σύνολα για τα ευρωπαϊκά πορτογαλικά: συμπληρώσεις προτάσεων που ξεχωρίζουν pt-PT από pt-BR, ερωτήσεις από εθνικές εξετάσεις, το ALBA για γλωσσική επάρκεια και το P3B3 για έλεγχο μεροληψίας προς πορτογαλικές ποικιλίες.
Τα αποτελέσματα δείχνουν ότι το AMALIA είναι ανταγωνιστικό με άλλα ανοιχτά μοντέλα αντίστοιχου μεγέθους και υπερέχει στα ειδικά pt-PT benchmarks. Η έκδοση DPO πέτυχε ιδιαίτερα υψηλές επιδόσεις σε εξετάσεις, γλωσσική αξιολόγηση και παραγωγή ευρωπαϊκών πορτογαλικών. Στα τεστ ασφάλειας εμφάνισε χαμηλά ποσοστά επιτυχίας επιθέσεων, ένδειξη ότι η ευθυγράμμιση βελτίωσε και την ανθεκτικότητα απέναντι σε κακόβουλες οδηγίες.
Τι μας διδάσκει το AMALIA
Το AMALIA είναι σημαντικό γιατί δείχνει έναν εφικτό δρόμο για τις γλώσσες της Ευρώπης. Πρώτον, τα γλωσσικά μοντέλα δεν πρέπει να κρίνονται μόνο με αγγλοκεντρικά μέτρα. Δεύτερον, τα εθνικά αρχεία ιστού, οι δημόσιες βιβλιοθήκες, τα εκπαιδευτικά σώματα και τα διοικητικά κείμενα μπορούν να γίνουν στρατηγικές υποδομές ΤΝ, αρκεί να καθαριστούν, να τεκμηριωθούν και να διατεθούν με ανοιχτούς όρους. Τρίτον, η πλήρης ανοιχτότητα χρειάζεται μοντέλα, δεδομένα, κώδικα, benchmarks, άδειες και διαδικασίες αξιολόγησης. Δεν αρκεί η δημοσίευση βαρών.
Για την Ελλάδα, το δίδαγμα είναι άμεσο. Ένα πλήρως ανοιχτό ελληνικό γλωσσικό μοντέλο δεν πρέπει να είναι αντιγραφή ενός διεθνούς μοντέλου. Πρέπει να βασιστεί σε ελληνικά δημόσια δεδομένα υψηλής ποιότητας, σε εργαλεία όπως το GlossAPI, σε ανοιχτά πρότυπα τεκμηρίωσης, σε γλωσσολογική επιμέλεια και σε γηγενή benchmarks που μετρούν την πραγματική χρήση της ελληνικής γλώσσας. Το AMALIA δείχνει ότι η γλωσσική κυριαρχία στην ΤΝ δεν είναι σύνθημα. Είναι αγωγός δεδομένων, υπολογιστική υποδομή, ανοιχτή άδεια, αξιολόγηση και δημόσια λογοδοσία.
Πηγές:
AMALIA Technical Report: A Fully Open Source Large Language Model for European Portuguese: Η βασική τεχνική αναφορά του AMALIA περιγράφει την αρχιτεκτονική, τα δεδομένα Arquivo.pt, την προεκπαίδευση, το SFT, το DPO και τα νέα pt-PT benchmarks: https://arxiv.org/abs/2603.26511,
AMALIA GitHub Repository: Το κεντρικό αποθετήριο του έργου συγκεντρώνει τους πόρους του AMALIA και τεκμηριώνει τον στόχο για πλήρως ανοιχτά μοντέλα ευρωπαϊκών πορτογαλικών: https://github.com/AMALIA-LLM/AMALIA,
AMALIA Hugging Face Model Card, AMALIA-9B-0626-DPO: Η κάρτα μοντέλου περιγράφει τη συνέχεια προεκπαίδευσης από το EuroLLM, την επέκταση σε 32k tokens και την εκπαίδευση SFT: https://huggingface.co/amalia-llm/AMALIA-9B-0626-DPO,
Arquivo.pt, Portuguese Web Archive: Το Arquivo.pt είναι η κρίσιμη εθνική υποδομή αρχειοθέτησης του πορτογαλικού ιστού που χρησιμοποιήθηκε ως κύρια πηγή δεδομένων: https://arquivo.pt/?l=en,
EuroLLM-9B Technical Report: Το EuroLLM-9B αποτέλεσε το ευρωπαϊκό πολυγλωσσικό υπόβαθρο πάνω στο οποίο αναπτύχθηκε το AMALIA: https://arxiv.org/abs/2506.04079,
FineWeb2, One Pipeline to Scale Them All: Το FineWeb2 παρέχει αναφορά για γλωσσικά προσαρμόσιμες διαδικασίες φιλτραρίσματος και καθαρισμού δεδομένων προεκπαίδευσης: https://arxiv.org/abs/2506.20920,
DataTrove by Hugging Face: Η βιβλιοθήκη DataTrove χρησιμοποιείται για επεξεργασία, φιλτράρισμα και αποδιπλοποίηση μεγάλων σωμάτων κειμένου: https://github.com/huggingface/datatrove,
Trafilatura, ACL Anthology: Το Trafilatura είναι ανοιχτό εργαλείο εξαγωγής καθαρού κειμένου από ιστοσελίδες, κρίσιμο για τη μετατροπή HTML σε αξιοποιήσιμο σώμα εκπαίδευσης: https://aclanthology.org/2021.acl-demo.15/.
Η Ευρωπαϊκή Ένωση έχει δεσμευτεί να επενδύσει δισεκατομμύρια ευρώ προκειμένου να καθιερωθεί ως παγκόσμιος πρωταγωνιστής στην τεχνητή νοημοσύνη (AI). Στην πράξη όμως, υπάρχει σημαντική απόσταση ανάμεσα στις πολιτικές εξαγγελίες και στην πραγματική ροή των χρημάτων. Αυτό είναι το κεντρικό συμπέρασμα μιας νέας έκθεσης του think tank Open Future, η οποία χαρτογραφεί την αρχιτεκτονική των επενδύσεων της ΕΕ στην AI και θέτει ένα φαινομενικά απλό ερώτημα: μπορεί να «ακολουθηθεί» το χρήμα;
Μεγάλα ποσά, ασαφής υλοποίηση
Στη Σύνοδο Κορυφής για την AI στο Παρίσι, τον Φεβρουάριο του 2025, η πρόεδρος της Ευρωπαϊκής Επιτροπής Ούρσουλα φον ντερ Λάιεν ανακοίνωσε την πρωτοβουλία InvestAI, θέτοντας ως πολιτικό στόχο τα 200 δισεκατομμύρια ευρώ για επενδύσεις στην τεχνητή νοημοσύνη σε ολόκληρη την Ένωση. Η ανακοίνωση προβλήθηκε ευρέως από τα μέσα ενημέρωσης. Πολύ λιγότερη προσοχή, ωστόσο, δόθηκε σε κάτι εξίσου σημαντικό: πόσο μικρό μέρος αυτού του ποσού είναι στην πραγματικότητα επαληθεύσιμο σήμερα. Λίγες μόλις εβδομάδες αργότερα, ανακοινώθηκαν άλλα εκατοντάδες δισεκατομμύρια στο πλαίσιο του λεγόμενου Πακέτου Τεχνολογικής Κυριαρχίας.
Η έκθεση του Open Future, με τίτλο «From Frameworks to Factories: Mapping EU AI Investment Architecture», επισημαίνει ότι το συνολικό, εντυπωσιακό ποσό συγχωνεύει στην πραγματικότητα αρκετούς εντελώς διαφορετικούς τύπους οικονομικής δέσμευσης: νομικά δεσμευτικά ανώτατα όρια προϋπολογισμού, εγγυήσεις του προϋπολογισμού της ΕΕ που διοχετεύονται μέσω φορέων υλοποίησης όπως ο όμιλος της Ευρωπαϊκής Τράπεζας Επενδύσεων (ΕΤΕπ), αλλά και πολιτικούς στόχους κινητοποίησης κεφαλαίων που προϋποθέτουν μεγάλους όγκους ιδιωτικών επενδύσεων οι οποίες δεν έχουν ακόμη υλοποιηθεί. Χαρακτηριστικό παράδειγμα αποτελεί η InvestAI Facility’s structure , ύψους 50 δισεκατομμυρίων ευρώ, της οποίας η δομή παραμένει υπό οριστικοποίηση, χωρίς μέχρι στιγμής να έχει συγκεντρωθεί ούτε ευρώ ιδιωτικού κεφαλαίου.
Το πρόβλημα δεν αφορά μόνο την ΕΕ. Όπως σημείωνε ο Οργανισμός Οικονομικής Συνεργασίας και Ανάπτυξης (ΟΟΣΑ) σε έγγραφο εργασίας του 2025, οι επενδύσεις στην AI «επισκιάζονται από κατακερματισμένα δεδομένα, ασυνεπείς μεθοδολογίες και έλλειψη τυποποιημένων πλαισίων μέτρησης». Δημοσιεύματα και ανακοινώσεις εταιρειών παραθέτουν συχνά εντυπωσιακούς αριθμούς, οι οποίοι όμως είναι δύσκολο να επαληθευτούν ή να συγκριθούν μεταξύ τους.
Ένα κατακερματισμένο σύστημα χρηματοδότησης που αντιστέκεται στον έλεγχο
Η ΕΕ χρηματοδοτεί την τεχνητή νοημοσύνη μέσα από ένα πολυεπίπεδο σύστημα, που εκτείνεται σε πολλαπλές γραμμές του προϋπολογισμού, κοινές επιχειρήσεις και χρηματοδοτικά εργαλεία, καθένα από τα οποία λειτουργεί με διαφορετικούς κανόνες αναφοράς και διαφορετικό βαθμό διαφάνειας. Η έκθεση αποτυπώνει αυτά τα επίπεδα, καλύπτοντας προγράμματα όπως το Horizon Europe, το Πρόγραμμα Ψηφιακή Ευρώπη, το Ταμείο InvestEU και το Ευρωπαϊκό Ταμείο Άμυνας, καθώς και τον ρόλο του ομίλου ΕΤΕπ ως βασικού εταίρου της ΕΕ για την υλοποίηση μεικτής χρηματοδότησης.
Εντοπίζονται αρκετά διαρθρωτικά εμπόδια που δυσχεραίνουν τη συστηματική παρακολούθηση των κονδυλίων. Οι δαπάνες για AI σπάνια εμφανίζονται ως αυτοτελής γραμμή του προϋπολογισμού· αντίθετα, ενσωματώνονται σε ευρύτερες κατηγορίες ψηφιοποίησης ή καινοτομίας, χωρίς να υπάρχει ενιαίο σύστημα «σήμανσης» των δαπανών AI στα διάφορα προγράμματα της Ένωσης. Το κενό αυτό είχε ήδη επισημανθεί από το Ευρωπαϊκό Ελεγκτικό Συνέδριο σε ειδική έκθεσή του το 2024, χωρίς όμως αποτέλεσμα, καθώς η Ευρωπαϊκή Επιτροπή απέρριψε τη σχετική σύσταση. Παράλληλα, τα στοιχεία για τα δημόσια κεφάλαια που διοχετεύονται μέσω εργαλείων μεικτής χρηματοδότησης —όπως το Ταμείο InvestEU ή η πλατφόρμα TechEU— συχνά στερούνται λεπτομερειών για τους τελικούς δικαιούχους, με επίκληση λόγων εμπορικής εμπιστευτικότητας ή ασφάλειας.
Στην πλευρά των ιδιωτικών επενδύσεων, η εικόνα είναι ακόμη πιο θολή. Εμπορικές βάσεις δεδομένων όπως οι Crunchbase, PitchBook και Dealroom διαθέτουν τα πιο αναλυτικά στοιχεία που υπάρχουν σήμερα, όμως βασίζονται στην αυτο-αναφορά των ίδιων των εταιρειών, εφαρμόζουν διαφορετικές μεταξύ τους μεθοδολογίες και χρεώνουν συνδρομές επιπέδου επιχείρησης, οι οποίες τις καθιστούν πρακτικά απρόσιτες για τις περισσότερες οργανώσεις της κοινωνίας των πολιτών. Ενδεικτική είναι η περίπτωση της πρωτοβουλίας EU AI Champions —μιας κοινοπραξίας πάνω από 110 οργανισμών πίσω από δέσμευση ιδιωτικών επενδύσεων ύψους 150 δισεκατομμυρίων ευρώ— όπου, καθώς δεν δημοσιοποιείται η κατανομή ανά επενδυτή, ο όποιος έλεγχος προϋποθέτει επίπονη συρραφή στοιχείων από δελτία τύπου.
Γιατί έχει σημασία για τα ψηφιακά δικαιώματα
Η ΕΕ αφιέρωσε μια ολόκληρη δεκαετία στην οικοδόμηση αυτού που θεωρείται το πιο φιλόδοξο ρυθμιστικό πλαίσιο στον κόσμο για τις ψηφιακές τεχνολογίες, με αποκορύφωμα τον Κανονισμό για την Τεχνητή Νοημοσύνη (AI Act). Η έκθεση καταγράφει πώς, ήδη από το 2025, το κέντρο βάρους άρχισε να μετατοπίζεται: από τα πλαίσια για την AI στα «εργοστάσια» AI, και από τη ρύθμιση της τεχνητής νοημοσύνης στην κατασκευή της, με μια νέα ρητορική περί «απλοποίησης» του κανονιστικού πλαισίου, ανταγωνιστικότητας και κυριαρχίας να παίρνει τη θέση της προηγούμενης έμφασης στην ηθική, τα θεμελιώδη δικαιώματα και τη διαφάνεια.
Η μετατόπιση αυτή δεν είναι αθώα ή τεχνική λεπτομέρεια. Καθώς ολοένα μεγαλύτερο μέρος της πολιτικής της ΕΕ για την AI διαμορφώνεται μέσα από αποφάσεις χρηματοδότησης και όχι μέσα από νομοθεσία, οι αποφάσεις αυτές γίνονται δυσκολότερο να ελεγχθούν. Οι επιλογές χρηματοδότησης καθορίζουν, εν τέλει, τι είδους τεχνητή νοημοσύνη κατασκευάζεται, από ποιον, προς όφελος ποιου και υπό ποιες προϋποθέσεις. Χωρίς ισχυρούς μηχανισμούς διαφάνειας και λογοδοσίας, είναι αδύνατο να εκτιμηθεί αν οι επενδύσεις της ΕΕ στην AIευθυγραμμίζονται πράγματι με τις δηλωμένες πολιτικές προτεραιότητες, αν τα οφέλη τους συγκεντρώνονται σε λίγους ισχυρούς παίκτες, ή αν το δημόσιο χρήμα μετουσιώνεται τελικά σε δημόσια αξία.
Το Open Future υποστηρίζει ότι η αδιαφάνεια γύρω από τις επενδύσεις στην AI πρέπει επειγόντως να ξεπεραστεί, τη στιγμή που οι φιλοδοξίες της ΕΕ στον τομέα αυξάνονται με εκθετικούς ρυθμούς.
Ακολουθώντας το χρήμα: προτάσεις για μεγαλύτερη διαφάνεια
Η έκθεση προτείνει μια σειρά συγκεκριμένων βημάτων που θα καθιστούσαν εφικτό έναν ουσιαστικό δημόσιο έλεγχο των δαπανών της ΕΕ για την AI. Σε επίπεδο θεσμικών οργάνων, η Ευρωπαϊκή Επιτροπή θα έπρεπε να επανεξετάσει τη σύσταση του Ελεγκτικού Συνεδρίου και να εισαγάγει ένα τυποποιημένο σύστημα «σήμανσης» των δαπανών AI, εφαρμόσιμο σε όλα τα χρηματοδοτικά εργαλεία. Απαιτείται επίσης μεγαλύτερη διαφάνεια ως προς τους τελικούς δικαιούχους των εργαλείων μεικτής χρηματοδότησης, με λιγότερες εξαιρέσεις στο όνομα της εμπορικής εμπιστευτικότητας.
Για μεγάλα δημόσια-ιδιωτικά εργαλεία, όπως η πρωτοβουλία AI Champions, η δημιουργία προσβάσιμων και ελέγξιμων μητρώων δεσμεύσεων και εκταμιεύσεων θα επέτρεπε στην κοινωνία των πολιτών και στους δημοσιογράφους να ξεχωρίζουν τις πραγματικά νέες επενδύσεις από την απλή επανασυσκευασία προϋπαρχουσών δεσμεύσεων. Αυστηρότερες απαιτήσεις δημοσιοποίησης για τις ροές ιδιωτικών κεφαλαίων προς τις αγορές AI θα συμπλήρωναν αυτά τα μέτρα στον δημόσιο τομέα.
Παράλληλα, η πρωτοβουλία Steering AI Investment του Open Future θα συνεχίσει να αναπτύσσει τα αναλυτικά εργαλεία και τα σύνολα δεδομένων που χρειάζονται ώστε οι ροές χρηματοδότησης της ΕΕ για την AI να γίνουν πιο ευανάγνωστες. Αυτό περιλαμβάνει τη δημιουργία βασικών εκτιμήσεων για τις δαπάνες της ΕΕ ανά στρατηγικό τομέα προτεραιότητας, τη χαρτογράφηση της συγκέντρωσης των δικαιούχων δημόσιων επιχορηγήσεων, και τη διασταύρωση δεδομένων ιδιωτικών κεφαλαίων, ώστε να αποκαλυφθεί ποιος επωφελείται —και ποιος όχι— από τη βιομηχανική στροφή της ΕΕ.
Με αφορμή την παρουσίαση της έκθεσης «State of Public Code 2026» στο UN Open Source Week (Ιούνιος 2026)
Το ανοιχτό λογισμικό έχει πάψει εδώ και χρόνια να είναι «εναλλακτική επιλογή» για το δημόσιο καθώς αποτελεί κρίσιμη υποδομή. Πάνω σε αυτό στήνονται υπηρεσίες προς τους πολίτες, ερευνητικά εργαλεία και ψηφιακές δεξιότητες. Αυτό που έλειπε μέχρι σήμερα ήταν ένας κοινός, επαληθεύσιμος τρόπος να δούμε πού συμβαίνει η συνεισφορά του δημόσιου τομέα στο ανοιχτό λογισμικό, αν αντέχει στον χρόνο και πώς συνδέει χώρες μεταξύ τους.
Αυτό το κενό έρχεται να καλύψει το Public Code Observatory, μια πρωτοβουλία του Software Heritage — το οποίο ουσιστικά αποτελεί τη βιβλιοθήκη της Αλεξάνδειας για το παγκόσμιο ανοιχτό λογισμικό — με την υποστήριξη της UNESCO και του Γραφείου του ΟΗΕ για τις Ψηφιακές και Αναδυόμενες Τεχνολογίες (ODET). Η πρώτη έκθεση, State of Public Code 2026, αποτυπώνει τη συνεισφορά 193 κρατών-μελών του ΟΗΕ, εντοπίζοντας 92.831 συνεισφέροντες συνδεδεμένους με κυβερνητικά email domains, σε 288.411 αποθετήρια. Σημειώνουμε ότι μετράει τη συνεισφορά, όχι τη χρήση ή την ιδιοκτησία λογισμικού.
Σημείωση για τις πηγές. Στο άρθρο ξεχωρίζουμε ρητά δύο επίπεδα. Όπου γράφουμε «η έκθεση», το εύρημα προέρχεται αυτούσιο από το State of Public Code 2026 (Software Heritage / UNESCO / UN ODET). Όπου γράφουμε «ανάλυση ΕΕΛΛΑΚ», πρόκειται για δική μας επεξεργασία των ανοιχτών δεδομένων της έκθεσης και του μητρώου κυβερνητικών domains..
Τα πέντε ευρήματα που αλλάζουν το πλαίσιο
Όλα τα ευρήματα αυτής της ενότητας προέρχονται από την ίδια την έκθεση.
1. Η ψηφιακή ικανότητα μετράει περισσότερο από τον πλούτο. Σύμφωνα με την έκθεση, σε 158 χώρες το πόσο συνεισφέρει ο δημόσιος τομέας μιας χώρας στον ανοιχτό κώδικα συνδέεται πολύ στενότερα με την ψηφιακή της ωριμότητα —με το πόσο ανεπτυγμένες είναι η ηλεκτρονική διακυβέρνηση, οι υποδομές και οι ψηφιακές δεξιότητες— παρά με τον πλούτο της. Η σύνδεση με την ψηφιακή ωριμότητα είναι περίπου διπλάσια σε ένταση· κι αν κοιτάξει κανείς πόσες από τις διαφορές μεταξύ των χωρών «εξηγεί», είναι περίπου τετραπλάσια. Η ίδια η έκθεση διευκρινίζει ότι αυτό δεν αποδεικνύει αιτιότητα· το πρακτικό μήνυμα, ωστόσο, είναι σαφές: η συμμετοχή στα ψηφιακά δημόσια αγαθά χτίζεται με ικανούς θεσμούς, δεξιότητες και υποδομές, όχι απλώς με εθνικό πλούτο.
2. Η συμμετοχή είναι παγκόσμια αλλά βαθιά άνιση. Η έκθεση εντοπίζει τις συνεισφορές από κάθε χώρα, όμως λάχιστες χώρες συγκεντρώνουν σχεδόν τα πάντα: η αμερικανική ήπειρος αντιστοιχεί στο 72% των μετρημένων συνεισφερόντων και μόνο οι ΗΠΑ σε ~44%, ενώ η Αφρική μένει κάτω από 1%. Για να πάρει κανείς μια αίσθηση του μεγέθους της ανισότητας: είναι εντονότερη ακόμη κι από την εισοδηματική ανισότητα της πιο άνισης χώρας στον κόσμο.
3. Ο «γκρεμός βιωσιμότητας» είναι το πιο καθαρό μήνυμα. Σύμφωνα με την έκθεση, μόνο περίπου 1 στα 6αποθετήρια παραμένει ενεργό έναν χρόνο μετά την πρώτη κυβερνητική συνεισφορά. Το δημόσιο όφελος δεν προκύπτει από το να ξεκινάς έργα, αλλά από το να συντηρείς χρήσιμα έργα: ασφάλεια, τεκμηρίωση, διακυβέρνηση, συνεχή upstream συμμετοχή.
4. Η διασυνοριακή συντήρηση είναι σπάνια — και στρατηγική. Η έκθεση καταγράφει ότι μόλις το 0,5% των αποθετηρίων έχει κυβερνητικούς συνεισφέροντες από πάνω από μία χώρα. Κι όμως, ακριβώς εκεί κρύβεται μια μορφή ψηφιακής συνεργασίας που δεν απαιτεί διμερή προγράμματα: δημόσιοι φορείς που συν-συντηρούν κοινή υποδομή.
5. Τα Ψηφιακά Δημόσια Αγαθά αναπτύσσονται ευρέως αλλά τροφοδοτούνται σπάνια. Το κυρίαρχο μοτίβο που διαπιστώνει η έκθεση: οι κυβερνήσεις χρησιμοποιούν το κοινό λογισμικό, αλλά σπάνια επιστρέφουν πίσω τις βελτιώσεις τους σε αυτό. Σε αυτό προστίθενται δύο δομικά κενά που επίσης καταγράφει: περίπου τα τρία τέταρτα των έργων δεν έχουν καθόλου άδεια χρήσης, και το 94,5%φιλοξενείται σε μία μόνο εμπορική πλατφόρμα (GitHub). Μια εξάρτηση που, προσωρινά, μεριάζεται από το γεγονός ότι συντήρηση τους γίνεται ανεξάρτητα από την εκάστοτε κοινοτήτων των προγραμματιστών.
Η ελληνική εικόνα: σχεδόν αόρατη — αλλά για δύο διαφορετικούς λόγους
Η ανάλυση μας επί των ανοιχτών δεδομένων δείχνει ότι η Ελλάδα εμφανίζεται σε μόλις 29 αποθετήρια, με 16 διακριτούς συνεισφέροντες και 13 κυβερνητικά domains. Σε ποσοστά, αυτό είναι 0,017% των παγκόσμιων συνεισφερόντων — επίπεδο που, με βάση τα ευρήματα της έκθεσης, θα περιμέναμε από χώρες με πολύ χαμηλότερη ψηφιακή ικανότητα. Κι όμως, σύμφωνα με τον δείκτη EGDI του ΟΗΕ, η Ελλάδα κατατάσσεται 36η στον κόσμο.
Η ταξινόμηση που κάναμε στα 29 αποθετήρια δείχνει ότι περίπου τα μισά είναι «θόρυβος»: προσωπικά portfolios, tutorials, φοιτητικές εργασίες, forks μαθημάτων του Coursera, test repos και ένα mirror λίστας του Linux kernel — έργα που μπήκαν στα δεδομένα απλώς επειδή κάποιος έκανε commit με κυβερνητικό email (κυρίως minedu.gov.gr, που χρησιμοποιούν εκπαιδευτικοί). Τα γνήσια δημόσια έργα είναι περίπου δέκα και συγκεντρώνονται σε τρεις πυρήνες: το Υπουργείο Παιδείας (εγγραφές ΕΠΑΛ, διανομές ΕΛ/ΛΑΚ, οδηγοί), τη Διαύγεια (API clients για την εμβληματική πύλη διαφάνειας), και έργα ανοιχτών δεδομένων / civic-tech όπως το GR-EDU-LABS της ΕΕΛΛΑΚ, μια εγκατάσταση CKAN και ο ιστότοπος του Ελληνικού Διαστημικού Οργανισμού. Σχεδόν όλα χρονολογούνται στο 2014–2017 και έκτοτε έχουν σιγήσει.
Η ανάλυσή μας φέρνει στην επιφάνεια ένα δεύτερο, εξίσου σημαντικό εύρημα αναφορικά με τη μεθοδολογία.
Εξετάζοντας το μητρώο που, στο πλαίσιο της Έκθεσης State of Public Code 2026, αποδίδει domains σε χώρες, διαπιστώσαμε ότι, για την Ελλάδα, περιλαμβάνει αποκλειστικά διευθύνσεις κάτω από το gov.gr. Αυτό σημαίνει ότι η μέθοδος «βλέπει» κυρίως όσους φορείς υιοθέτησαν νωρίς το gov.gr — την ενιαία πύλη, το Υπουργείο Παιδείας (minedu.gov.gr), μερικές περιφέρειες και μια χούφτα δήμους, καθώς και μεμονωμένα δικαστήρια. Αντίθετα, τα περισσότερα ελληνικά υπουργεία κάθονται σε παλαιά .gr domains (Εξωτερικών mfa.gr, Ψηφιακής Διακυβέρνησης mindigital.gr, Εσωτερικών ypes.gr, Δικαιοσύνης, Άμυνας mod.mil.gr, και άλλα), όπως και όλα τα πανεπιστήμια και τα ερευνητικά κέντρα (auth.gr, uoa.gr, forth.gr, ekt.gr, grnet.gr…). Επειδή αυτά δεν είναι υποτομείς του gov.gr, οι όποιες συνεισφορές έχουν πιαθνώς γίνει από εργαζόμενους με emails σε αυτά τα domains δεν αποδίδονται στην Ελλάδα. (Αξίζει να σημειωθεί ότι η ίδια η έκθεση αναγνωρίζει, ως γενικό περιορισμό, ότι οι δομές domains διαφέρουν ανά χώρα και ότι η κάλυψη βελτιώνεται σταδιακά — η ελληνική ανάλυση απλώς δείχνει πόσο έντονα ισχύει αυτό στη δική μας περίπτωση.)
Με άλλα λόγια: η Ελλάδα ποτέ δεν ολοκλήρωσε την ενοποίηση του δημόσιου τομέα κάτω από ένα ενιαίο namespace, όπως π.χ. το Ηνωμένο Βασίλειο κάτω από το gov.uk. Έτσι, το «0,017%» είναι ταυτόχρονα πραγματική χαμηλή συνεισφορά αλλά και, ως ένα βαθμό που μένει να αποδειχθεί, σφάλμα μέτρησης ειδικό για τη δομή των ελληνικών domains — που αποκλείει ακριβώς τους φορείς (ερευνητικά κέντρα, υπουργεία, δήμους, περιφέρειες) που είναι πιθανόνα γράφουν ανοιχτό κώδικα.
Η έκθεση είναι προκαταρκτική και ως τέτοια ανοιχτή για σχόλια από όλους τους εμπλεκόμενους, συμπεριλαμβανομένων των κρατών-μελών.
H Ευρωπαϊκή Ένωση επιδιώκει να ενισχύσει την ψηφιακή της κυριαρχία, επενδύοντας στην ανάπτυξη ανοικτών και διαφανών συστημάτων τεχνητής νοημοσύνης. Ωστόσο, μια νέα μελέτη αναδεικνύει ότι το ισχύον πλαίσιο πνευματικών δικαιωμάτων δημιουργεί σημαντικά εμπόδια για την έρευνα και την καινοτομία στον τομέα της ανοικτής τεχνητής νοημοσύνης.
Η μελέτη, με τίτλο «Copyright challenges in open-source AI development in the European Union», εκπονήθηκε από τους οργανισμούς Centrum Cyfrowe και Open Future για λογαριασμό της COMMUNIA. Βασίζεται σε συνεντεύξεις με ερευνητές και τεχνικούς υπευθύνους κορυφαίων ευρωπαϊκών έργων ανάπτυξης μεγάλων γλωσσικών μοντέλων (Large Language Models – LLMs), όπως τα OpenEuroLLM, Pleias, PLLUM και SOOFI.
Σύμφωνα με τα ευρήματα, οι δημόσια χρηματοδοτούμενες ερευνητικές ομάδες καλούνται να αναπτύξουν μοντέλα ανοικτού κώδικα που θα μπορούν να χρησιμοποιηθούν από την επιστημονική κοινότητα, τις επιχειρήσεις και την κοινωνία. Ωστόσο, το υφιστάμενο ευρωπαϊκό νομικό πλαίσιο για την εξόρυξη κειμένου και δεδομένων (Text and Data Mining – TDM) δημιουργεί αβεβαιότητες ως προς το ποιες εξαιρέσεις μπορούν να αξιοποιηθούν νόμιμα.
Η Οδηγία για τα Πνευματικά Δικαιώματα στην Ψηφιακή Ενιαία Αγορά (CDSM Directive) προβλέπει δύο εξαιρέσεις. Το άρθρο 3 επιτρέπει την εξόρυξη δεδομένων για σκοπούς επιστημονικής έρευνας από ερευνητικούς οργανισμούς και ιδρύματα πολιτιστικής κληρονομιάς, ενώ το άρθρο 4 επιτρέπει γενικότερη χρήση, αλλά δίνει στους δικαιούχους τη δυνατότητα να εξαιρέσουν το περιεχόμενό τους μέσω μηχανισμού “opt-out”. Στην πράξη, όμως, οι νομικές υπηρεσίες πολλών πανεπιστημίων θεωρούν ότι η δημοσίευση μοντέλων ανοικτού κώδικα ενδέχεται να υπερβαίνει τα όρια της ερευνητικής εξαίρεσης του άρθρου 3, οδηγώντας τους ερευνητές στην πιο περιοριστική εφαρμογή του άρθρου 4.
Αυτό συνεπάγεται πρόσθετο διοικητικό και οικονομικό κόστος, καθώς οι ομάδες ανάπτυξης καλούνται να εντοπίζουν και να ερμηνεύουν διαφορετικές δηλώσεις εξαίρεσης (opt-outs), οι οποίες δεν ακολουθούν ενιαία μορφή. Όπως επισημαίνει η μελέτη, η έλλειψη τυποποίησης δημιουργεί σημαντική νομική αβεβαιότητα και επιβαρύνει δυσανάλογα τους φορείς που αναπτύσσουν τεχνολογία προς όφελος του δημοσίου συμφέροντος.
Προτάσεις πολιτικής
Οι συντάκτες της μελέτης προτείνουν τέσσερις βασικές παρεμβάσεις για την ενίσχυση της ανοικτής επιστήμης και της ευρωπαϊκής τεχνητής νοημοσύνης:
Αποσαφήνιση του πεδίου εφαρμογής των εξαιρέσεων για την εξόρυξη κειμένου και δεδομένων, ώστε να αναγνωρίζεται ρητά ότι η εκπαίδευση μοντέλων τεχνητής νοημοσύνης καλύπτεται από αυτές.
Κατοχύρωση δικαιώματος διαμοιρασμού των συνόλων δεδομένων που χρησιμοποιούνται στην επιστημονική έρευνα, διευκολύνοντας την επαλήθευση και την αναπαραγωγή των αποτελεσμάτων.
Θέσπιση νομικών «ασφαλών λιμένων» (safe harbors), που θα προστατεύουν ερευνητές και οργανισμούς οι οποίοι ενεργούν καλόπιστα και συμμορφώνονται με τις προβλεπόμενες διαδικασίες.
Δημιουργία ενός ευρωπαϊκού δημόσιου αποθετηρίου δεδομένων εκπαίδευσης υψηλής ποιότητας, το οποίο θα αποτελεί κοινή υποδομή για την ανάπτυξη ανοικτών συστημάτων τεχνητής νοημοσύνης.
Η πρόκληση για την ευρωπαϊκή ψηφιακή κυριαρχία
Η μελέτη καταλήγει ότι, εάν η Ευρωπαϊκή Ένωση επιθυμεί να διαδραματίσει πρωταγωνιστικό ρόλο στην ανάπτυξη αξιόπιστης και ανοικτής τεχνητής νοημοσύνης, οφείλει να προσαρμόσει το νομικό της πλαίσιο στις ανάγκες της σύγχρονης έρευνας. Η ενίσχυση της ανοικτής επιστήμης και η δημιουργία σαφών κανόνων μπορούν να μειώσουν τη νομική αβεβαιότητα, να ενθαρρύνουν την καινοτομία και να συμβάλουν στην οικοδόμηση ενός ισχυρού ευρωπαϊκού οικοσυστήματος τεχνητής νοημοσύνης προς όφελος της κοινωνίας και της οικονομίας.
Η ελληνική νομοπαρασκευαστική διαδικασία πάσχει διαχρονικά από ένα πρόβλημα που όλοι αναγνωρίζουν αλλά δύσκολα αντιμετωπίζουν: παράγουμε νόμους, τροπολογίες, υπουργικές αποφάσεις και εγκυκλίους που συχνά είναι δύσκολο να εφαρμοστούν, δύσκολο να ερμηνευθούν και ακόμη δυσκολότερο να ενσωματωθούν στα πληροφοριακά συστήματα του Δημοσίου. Το αποτέλεσμα είναι γνωστό. Καθυστερήσεις, αντικρουόμενες οδηγίες, χειροκίνητη επεξεργασία αιτήσεων, μεταφορά ευθύνης από υπηρεσία σε υπηρεσία, πολίτες που δεν ξέρουν τι δικαιούνται και δημόσιοι υπάλληλοι που καλούνται να εφαρμόσουν κανόνες οι οποίοι δεν έχουν σχεδιαστεί για εφαρμογή.
Το Rulemap Builder, ως εργαλείο της λογικής Law as Code, μπορεί να λειτουργήσει ως μια ουσιαστική τομή. Δεν αντικαθιστά τον νομοθέτη, ούτε μετατρέπει τη δικαιοσύνη σε αυτοματισμό. Αντίθετα, βοηθά τους νομικούς, τους νομοπαρασκευαστές και τους δημόσιους λειτουργούς να διατυπώνουν κανόνες με σαφή, ελέγξιμο και μηχαναγνώσιμο τρόπο. Με απλά λόγια, κάθε διάταξη δεν θα υπάρχει μόνο ως κείμενο σε φυσική γλώσσα, αλλά και ως χάρτης απόφασης που αποτυπώνει προϋποθέσεις, εξαιρέσεις, συνέπειες, αρμόδιους φορείς, απαιτούμενα δεδομένα και χρονικά όρια.
Τι αλλάζει στη νομοπαρασκευή
Σήμερα, ένας νόμος συχνά ψηφίζεται και η πραγματική του εφαρμογή αρχίζει μετά, όταν οι υπηρεσίες προσπαθούν να καταλάβουν τι σημαίνει στην πράξη. Το Rulemap Builder αντιστρέφει αυτή τη λογική. Ο νόμος σχεδιάζεται εξαρχής με βάση την εφαρμοσιμότητά του. Πριν φτάσει στη Βουλή, η διοίκηση μπορεί να ελέγχει αν τα κριτήρια είναι σαφή, αν υπάρχουν αντιφάσεις, αν λείπουν δεδομένα, αν απαιτούνται μη διαθέσιμες διαλειτουργικότητες και αν οι εξαιρέσεις δημιουργούν αδιέξοδα.
Αυτό είναι κρίσιμο για την Ελλάδα. Η Ανάλυση Συνεπειών Ρύθμισης(ria.gov.gr) που θεσπίστηκε στο πλαίσιο της καλής νομοθέτησης μπορεί να γίνει πολύ πιο ουσιαστική αν συνδεθεί με μηχαναγνώσιμους χάρτες κανόνων. Δεν αρκεί μια έκθεση που περιγράφει γενικά τις συνέπειες μιας ρύθμισης. Χρειάζεται ένα εργαλείο που δείχνει αν η ρύθμιση μπορεί πράγματι να εφαρμοστεί, ποιος φορέας θα την εφαρμόσει, ποια δεδομένα θα χρειαστούν, ποια διαδικασία θα αλλάξει και ποια συστήματα πρέπει να ενημερωθούν.
Πιλοτική εφαρμογή στην Ελλάδα
Η Ελλάδα θα μπορούσε να ξεκινήσει με πέντε πεδία υψηλής γραφειοκρατικής πίεσης: κοινωνικές παροχές, φορολογικές διαδικασίες, αδειοδοτήσεις επιχειρήσεων, πολεοδομικές άδειες και διοικητικές πράξεις καθημερινότητας. Σε κάθε πεδίο θα δημιουργούνταν μικτές ομάδες από νομικούς, στελέχη της διοίκησης, μηχανικούς λογισμικού, ειδικούς διαλειτουργικότητας και εκπροσώπους των τελικών χρηστών.
Το πρώτο βήμα θα ήταν η επιλογή συγκεκριμένων διαδικασιών, όχι γενικών θεματικών. Για παράδειγμα, ένα επίδομα, μια άδεια λειτουργίας, μια φορολογική απαλλαγή ή μια διαδικασία πιστοποίησης.Το δεύτερο βήμα θα ήταν η χαρτογράφηση της ισχύουσας νομοθεσίας σε rulemaps. Εκεί θα φαινόταν αμέσως πού υπάρχουν κενά, επαναλήψεις, αντιφάσεις ή υπερβολικές απαιτήσεις δικαιολογητικών. Το τρίτο βήμα θα ήταν η παραγωγή μηχαναγνώσιμης μορφής, με ανοιχτά πρότυπα, ώστε ο κανόνας να μπορεί να χρησιμοποιείται από πληροφοριακά συστήματα του Δημοσίου, από ΚΕΠ, από δήμους, από περιφέρειες και από εφαρμογές εξυπηρέτησης πολιτών.
Η κρίσιμη αρχή είναι ότι το αποτέλεσμα πρέπει να είναι δημόσιο ψηφιακό αγαθό. Ό,τι χρηματοδοτείται με δημόσιους πόρους πρέπει να κατατίθεται σε δημόσιο αποθετήριο, με ανοιχτή άδεια, τεκμηρίωση, ιστορικό εκδόσεων και δυνατότητα ελέγχου. Η μηχαναγνώσιμη νομοθεσία δεν πρέπει να γίνει νέο πεδίο εξάρτησης από κλειστές πλατφόρμες. Πρέπει να ενταχθεί στη λογική «δημόσιο χρήμα, δημόσιος κώδικας, δημόσια γνώση».
Τεχνητή νοημοσύνη με όρια και λογοδοσία
Η τεχνητή νοημοσύνη μπορεί να βοηθήσει σημαντικά, αλλά μόνο σε συγκεκριμένο ρόλο. Μπορεί να αναλύει νομικά κείμενα, να προτείνει δομή, να εντοπίζει ασάφειες, να συγκρίνει διατάξεις και να βοηθά στη δημιουργία πρώτων rulemaps. Δεν πρέπει όμως να λαμβάνει τελικές διοικητικές αποφάσεις, ιδίως σε πεδία που αφορούν δικαιώματα, επιδόματα, φορολογικές υποχρεώσεις, άδειες παραμονής, πρόσβαση στην υγεία ή κοινωνική προστασία.
Η εκτέλεση των κανόνων πρέπει να γίνεται από διαφανείς μηχανές κανόνων, όχι από πιθανολογικές απαντήσεις μεγάλων γλωσσικών μοντέλων. Κάθε αποτέλεσμα πρέπει να συνοδεύεται από πλήρη διαδρομή αιτιολόγησης: ποιο άρθρο εφαρμόστηκε, ποια προϋπόθεση πληρώθηκε, ποια εξαίρεση εξετάστηκε και ποια υπηρεσία έχει την τελική ευθύνη. Έτσι η τεχνολογία δεν αφαιρεί τη λογοδοσία από το κράτος, την ενισχύει.
Οφέλη για πολίτες, διοίκηση και δημοκρατία
Η εφαρμογή του Rulemap Builder στην Ελλάδα θα είχε τέσσερα μεγάλα οφέλη. Πρώτον, καλύτερη νομοθέτηση. Οι νόμοι θα ελέγχονται πριν ψηφιστούν ως προς τη σαφήνεια, την εφαρμοσιμότητα και τις διοικητικές συνέπειες. Δεύτερον, λιγότερη γραφειοκρατία. Όταν οι κανόνες είναι σαφείς και μηχαναγνώσιμοι, μειώνονται τα περιττά δικαιολογητικά και οι υπηρεσίες μπορούν να αντλούν τα στοιχεία που ήδη διαθέτει το κράτος. Τρίτον, μεγαλύτερη ισότητα στην εφαρμογή. Ο ίδιος κανόνας εφαρμόζεται με τον ίδιο τρόπο σε κάθε δήμο, περιφέρεια ή υπηρεσία, χωρίς να εξαρτάται ο πολίτης από την ερμηνεία του. Τέταρτον, ισχυρότερη δημοκρατική λογοδοσία. Ο πολίτης, ο δικηγόρος, ο ερευνητής και η κοινωνία των πολιτών μπορούν να ελέγχουν όχι μόνο το κείμενο του νόμου, αλλά και τη λογική εφαρμογής του.
Ένα εθνικό αποθετήριο κανόνων
Η πιο φιλόδοξη, αλλά απολύτως αναγκαία, προοπτική είναι η δημιουργία Εθνικού Αποθετηρίου Μηχαναγνώσιμης Νομοθεσίας. Κάθε νόμος, κάθε κρίσιμη κανονιστική πράξη και κάθε διοικητική διαδικασία θα έχει έκδοση, ιστορικό αλλαγών, υπεύθυνο φορέα, τεκμηρίωση, σύνδεση με ΦΕΚ, σύνδεση με τα πληροφοριακά συστήματα που επηρεάζει και δημόσιο αρχείο τροποποιήσεων. Όταν αλλάζει μια διάταξη, δεν θα χρειάζεται κάθε φορέας να ερμηνεύει μόνος του τι πρέπει να αλλάξει στο λογισμικό του. Η αλλαγή θα ενημερώνει τον αντίστοιχο κανόνα, τις διεπαφές προγραμματισμού και τις διαδικασίες εφαρμογής.
Αυτό δεν είναι τεχνική πολυτέλεια. Είναι προϋπόθεση για ένα κράτος που θέλει να μειώσει την πολυνομία, να περιορίσει τη διοικητική αυθαιρεσία και να περάσει από την αποσπασματική ψηφιοποίηση στον πραγματικό ανασχεδιασμό διαδικασιών.
Από την ψηφιοποίηση εγγράφων στη δημοκρατική υποδομή κανόνων
Η Ελλάδα έχει κάνει σημαντικά βήματα στην ψηφιακή εξυπηρέτηση. Όμως η επόμενη φάση δεν μπορεί να είναι απλώς περισσότερες πλατφόρμες και περισσότερες ηλεκτρονικές αιτήσεις. Το ζητούμενο είναι ένα κράτος που νομοθετεί καλύτερα, εφαρμόζει με συνέπεια, εξηγεί τις αποφάσεις του και επιτρέπει δημόσιο έλεγχο.
Το Rulemap Builder μπορεί να γίνει ο πυρήνας αυτής της μετάβασης. Όχι ως εισαγόμενο τεχνολογικό προϊόν, αλλά ως ανοιχτή δημόσια υποδομή, προσαρμοσμένη στην ελληνική έννομη τάξη, συνδεδεμένη με το Εθνικό Τυπογραφείο, τη Βουλή, τη Γενική Γραμματεία Νομικών και Κοινοβουλευτικών Θεμάτων, τα υπουργεία, τους δήμους και τις περιφέρειες. Αν η Ελλάδα εφαρμόσει τη λογική Law as Code με ανοιχτά πρότυπα και δημοκρατική λογοδοσία, μπορεί να μετατρέψει την καλή νομοθέτηση από τυπική υποχρέωση σε πραγματικό εργαλείο θεσμικής ποιότητας, κοινωνικής δικαιοσύνης και διοικητικής αποτελεσματικότητας.
Πηγές:
SPRIND, Rulemapping: Η γερμανική Ομοσπονδιακή Υπηρεσία Καινοτομίας παρουσιάζει το Rulemapping ως προσέγγιση Law as Code που μετατρέπει νόμους και διοικητικές διαδικασίες σε εκτελέσιμο κώδικα για ταχύτερη και πιο αξιόπιστη διοικητική εφαρμογή: https://www.sprind.org/en/actions/projects/rulemapping,
Rulemapping, Law as Code: Μεθοδολογία που εξηγεί πώς η νομική λογική μπορεί να μετατραπεί σε δομημένα, εκτελέσιμα και ελέγξιμα μοντέλα, κατανοητά τόσο από ανθρώπους όσο και από μηχανές: https://rulemapping.com/law-as-code,
Rulemap Builder, Rulemapping.org: Η πλατφόρμα Rulemap Builder ως περιβάλλον δημιουργίας και εξαγωγής rulemaps, με έμφαση σε ανοιχτό μηχαναγνώσιμο μορφότυπο για Law as Code: https://rulemapping.org/,
OASIS LegalDocumentML, Akoma Ntoso: Το πρότυπο LegalDocML παρέχει διεθνές πλαίσιο για τη μηχαναγνώσιμη δόμηση νομικών και νομοθετικών εγγράφων και αποτελεί κρίσιμο υπόβαθρο για διαλειτουργική ψηφιακή νομοθεσία: https://www.oasis-open.org/committees/tc_home.php?wg_abbrev=legaldocml,
Γενική Γραμματεία Νομικών και Κοινοβουλευτικών Θεμάτων, Αρχές και εργαλεία για την καλή νομοθέτηση: Η ελληνική θεσμική βάση για την Ανάλυση Συνεπειών Ρύθμισης και την καλή νομοθέτηση, όπως διαμορφώθηκε με τον ν. 4622/2019, μπορεί να αποτελέσει το διοικητικό πλαίσιο ένταξης του Rulemapping στην Ελλάδα: https://gslegal.gov.gr/arches-kai-ergaleia-gia-tin-kali-nomothetisi/,
Nomothesia, A Linked Data Platform for Greek Legislation: Ελληνική ερευνητική εργασία που δείχνει ότι η ελληνική νομοθεσία μπορεί να οργανωθεί ως διασυνδεδεμένα δεδομένα, με υπηρεσίες αναζήτησης, SPARQL endpoint και RESTful API, ανοίγοντας τον δρόμο για πιο προχωρημένες εφαρμογές μηχαναγνώσιμης νομοθεσίας: https://cgi.di.uoa.gr/~koubarak/publications/2018/nomothesia-linked-data.pdf.
H ανάπτυξη αξιόπιστων ελληνικών γλωσσικών μοντέλων δεν εξαρτάται μόνο από την ύπαρξη μεγάλου όγκου δεδομένων. Εξαρτάται και από την ποιότητα αυτών των δεδομένων: από το πόσο καθαρά είναι, πόσο αντιπροσωπευτικά, πόσο σωστά δομημένα και, τελικά, από το αν έχουν ελεγχθεί από ανθρώπους που μπορούν να αξιολογήσουν με ακρίβεια τη γλωσσική και νοηματική τους ποιότητα.
Το GlossAPI είναι το πρώτο κρίσιμο βήμα της ροής. Μετατρέπει αρχεία PDF σε επεξεργάσιμο κείμενο, ώστε περιεχόμενο που μέχρι τώρα παρέμενε “κλειδωμένο” σε έγγραφα να μπορεί να αξιοποιηθεί για τη δημιουργία γλωσσικών πόρων. Στη συνέχεια, το κείμενο καθαρίζεται, οργανώνεται και μετατρέπεται σε σύνολα δεδομένων. Αυτά τα datasets ανεβαίνουν στο argilla.glossapi.gr, όπου ξεκινά το επόμενο και εξίσου σημαντικό στάδιο: η ανθρώπινη αξιολόγηση.
Στο Argilla GlossAPI, οι reviewers εξετάζουν τις εγγραφές των datasets και αξιολογούν την ποιότητά τους. Ελέγχουν αν οι ερωτήσεις και οι απαντήσεις είναι σαφείς, φυσικές, χρήσιμες και γλωσσικά σωστές. Με αυτόν τον τρόπο, το αρχικό υλικό δεν περνά απλώς από μια αυτόματη τεχνική διαδικασία, αλλά εμπλουτίζεται με ανθρώπινη κρίση. Αυτό είναι ιδιαίτερα σημαντικό για την ελληνική γλώσσα, όπου η ποιότητα, η φυσικότητα και η ακρίβεια του λόγου παίζουν καθοριστικό ρόλο.
Τα νεότερα στατιστικά στοιχεία δείχνουν ότι η προσπάθεια προχωρά σταθερά. Στις 29 Ιουνίου 2026, η πλατφόρμα περιλαμβάνει 22 σύνολα δεδομένων, με 352.194 συνολικές εγγραφές προς αξιολόγηση. Από αυτές, 9.281 έχουν ήδη αξιολογηθεί, ενώ 69 αξιολογητές συμμετέχουν ενεργά στη διαδικασία. Η συνολική ολοκλήρωση βρίσκεται στο 2,6%.
Το ποσοστό αυτό μπορεί να φαίνεται μικρό σε σχέση με το συνολικό μέγεθος του υλικού, όμως αποτυπώνει μια ουσιαστική πρόοδο. Χιλιάδες εγγραφές έχουν ήδη περάσει από ανθρώπινο έλεγχο, ενώ η συμμετοχή των reviewers αυξάνεται. Παράλληλα, η πρόοδος δεν περιορίζεται σε ένα μόνο θεματικό πεδίο, αλλά απλώνεται σε διαφορετικές κατηγορίες γνώσης, όπως η εκπαίδευση, η τεχνολογία, η ιστορία, η επιστήμη, η φιλοσοφία, η λογοτεχνία και άλλα θεματικά σύνολα.
Ιδιαίτερο ενδιαφέρον παρουσιάζουν ορισμένα datasets που έχουν ήδη σημειώσει σημαντική πρόοδο. Η Δημώδης Λογοτεχνία, τα Σχολικά Βιβλία και η Μυθολογία έχουν ολοκληρωθεί κατά 100%. Το Wikisource έχει φτάσει τις 1.126 αξιολογήσεις, με 11,5% ολοκλήρωση. Η Εκπαίδευση έχει ήδη 1.737 αξιολογήσεις, η Τεχνολογία 2.077, ενώ η Ιστορία έχει φτάσει τις 707 αξιολογήσεις. Η Μουσική ξεχωρίζει επίσης, με ποσοστό ολοκλήρωσης 73,8%.
Αυτά τα στοιχεία δείχνουν ότι το έργο δεν βρίσκεται απλώς σε φάση συγκέντρωσης δεδομένων, αλλά σε μια πιο ουσιαστική φάση ποιοτικής επεξεργασίας. Η διαδικασία δεν σταματά στη μετατροπή των PDF σε κείμενο. Το καθαρισμένο κείμενο γίνεται dataset, το dataset αξιολογείται από ανθρώπους, και οι αξιολογημένες εγγραφές μπορούν στη συνέχεια να στηρίξουν την ανάπτυξη καλύτερων ελληνικών γλωσσικών μοντέλων.
Η συμβολή των reviewers είναι καθοριστική. Κάθε αποδοχή, διόρθωση ή απόρριψη μιας εγγραφής βοηθά στη βελτίωση του τελικού υλικού. Με άλλα λόγια, κάθε αξιολόγηση λειτουργεί ως ένα μικρό αλλά σημαντικό φίλτρο ποιότητας. Ιδιαίτερα για πεδία όπως η εκπαίδευση, η επιστήμη, η ιστορία και η τεχνολογία, η ανθρώπινη κρίση είναι απαραίτητη, ώστε τα δεδομένα να είναι όχι μόνο τεχνικά αξιοποιήσιμα, αλλά και ουσιαστικά χρήσιμα.
Το Argilla GlossAPI αποτυπώνει έτσι μια πλήρη ροή εργασίας για την ελληνική ΤΝ: από τα αρχικά έγγραφα PDF, στη μετατροπή και τον καθαρισμό του κειμένου μέσω του GlossAPI, στη δημιουργία datasets, και τέλος στην ανθρώπινη αξιολόγηση μέσα από το argilla.glossapi.gr.
Η πρόοδος μέχρι σήμερα δείχνει ότι υπάρχει ενεργή κοινότητα, υπάρχει υλικό, και υπάρχει μια οργανωμένη διαδικασία για τη βελτίωση της ποιότητας των ελληνικών δεδομένων. Το επόμενο βήμα είναι η συνέχιση και η ενίσχυση αυτής της συμμετοχής, ώστε ακόμη περισσότερα datasets να αξιολογηθούν και να μπορέσουν να αξιοποιηθούν με ασφάλεια και ποιότητα.
Η ελληνική τεχνητή νοημοσύνη χρειάζεται ελληνικά δεδομένα υψηλής ποιότητας. Και αυτή η ποιότητα χτίζεται βήμα βήμα: με εργαλεία όπως το GlossAPI, με πλατφόρμες αξιολόγησης όπως το Argilla GlossAPI, και κυρίως με τη συμβολή των ανθρώπων που συμμετέχουν στη διαδικασία.
Δεν χρειάζεται να είσαι ειδικός στην Τεχνητή Νοημοσύνη. Αρκεί να έχετε γλωσσικό κριτήριο, διάθεση συνεισφοράς και την πεποίθηση ότι η ελληνική γλώσσα αξίζει ανοιχτές, ποιοτικές και δημόσια ωφέλιμες υποδομές Τεχνητής Νοημοσύνης. Θα βρείτε απλές οδηγίες ανά τύπο dataset μέσα στην εφαρμογή για το πως να το βελτιώσετε.
Η ελληνική ΤΝ δε θα γίνει καλύτερη μόνη της. Θα γίνει καλύτερη από εμάς.
Πώς μπορεί η Τεχνητή Νοημοσύνη να υποστηρίξει πιο ανοιχτές, συμμετοχικές και αποτελεσματικές διαδικασίες διαβούλευσης; Αυτή είναι η πρόκληση που επιχειρούμε να διερευνήσουμε μέσα από το ευρωπαϊκό έργο AI4Deliberation και σας καλούμε να συμβάλετε ενεργά στην προσπάθεια του https://opengovai4d.ellak.gr/.
Οι συμμετέχοντες μπορούν να σχολιάσουν και να καταθέσουν προτάσεις άρθρο προς άρθρο, συμβάλλοντας ουσιαστικά στη διαμόρφωση ενός πλαισίου που φιλοδοξεί να ενισχύσει τη συνεργασία μεταξύ πολιτείας, κοινωνίας των πολιτών, ακαδημαϊκής κοινότητας και άλλων ενδιαφερόμενων φορέων.
Πώς αξιοποιείται η Τεχνητή Νοημοσύνη;
Η καινοτομία της πλατφόρμας βρίσκεται στην αξιοποίηση εργαλείων Τεχνητής Νοημοσύνης (ΤΝ) που υποστηρίζουν τη σύνοψη, οργάνωση και επεξεργασία του περιεχομένου της διαβούλευσης.
Η ΤΝ δεν λαμβάνει αποφάσεις. Λειτουργεί υποστηρικτικά, διευκολύνοντας τη διαχείριση και κατανόηση των απόψεων που κατατίθενται, ενώ η ανθρώπινη κρίση παραμένει στο επίκεντρο της διαδικασίας λήψης αποφάσεων.
Η γνώμη σας μετράει
Η συμμετοχή σας είναι ιδιαίτερα σημαντική, όχι μόνο για το περιεχόμενο της διαβούλευσης αλλά και για την αξιολόγηση της ίδιας της πλατφόρμας. Οι παρατηρήσεις, οι προτάσεις και η εμπειρία των χρηστών θα μας βοηθήσουν να βελτιώσουμε τα εργαλεία και να σχεδιάσουμε αποτελεσματικότερες εκδόσεις στο μέλλον.
Γνωρίστε την πλατφόρμα μέσα από ένα σύντομο σενάριο
Δοκιμάστε τις δυνατότητες της πλατφόρμας ακολουθώντας το σύντομο σενάριο χρήσης:
Η Ευρωπαϊκή Επιτροπή δημοσίευσε νέα μελέτη για την ανάπτυξη των κρίσιμων ψηφιακών δυνατοτήτων της ΕΕ μετά το 2027. Η μελέτη εξετάζει τις ευκαιρίες, τις προκλήσεις και τις επενδυτικές ανάγκες που θα διαμορφώσουν τον ψηφιακό μετασχηματισμό της Ευρώπης κατά την επόμενη περίοδο προγραμματισμού.
Εκπονήθηκε υπό την καθοδήγηση της Γενικής Διεύθυνσης CNECT και εντοπίζει τους ψηφιακούς τομείς στους οποίους η μελλοντική χρηματοδότηση της ΕΕ μπορεί να στηρίξει την ανάπτυξη ικανοτήτων, υποδομών και δεξιοτήτων, καθώς και την υλοποίηση έργων, στο πλαίσιο του επόμενου Πολυετούς Δημοσιονομικού Πλαισίου (ΠΔΠ). Τα ευρήματά της αφορούν άμεσα την πρωτοβουλία «Διαλειτουργική Ευρώπη», καθώς η διαλειτουργικότητα προβάλλεται ως στρατηγικός μοχλός για την ανθεκτικότητα, την ψηφιακή κυριαρχία και την ανταγωνιστικότητα της Ένωσης.
Διαλειτουργικότητα και GovTech: το θεμέλιο των διασυνοριακών ψηφιακών δημόσιων υπηρεσιών
Το Παράρτημα 15 της μελέτης είναι αφιερωμένο ειδικά στη διαλειτουργικότητα και το GovTech, και υπογραμμίζει πόσο στενά συνδέονται οι δύο τομείς: η διαλειτουργικότητα προσφέρει το τεχνικό, σημασιολογικό και οργανωτικό θεμέλιο που επιτρέπει στις λύσεις GovTech να επεκτείνονται πέρα από σύνορα, τομείς και διοικήσεις.
Η μελέτη χαρακτηρίζει τη διαλειτουργικότητα ακρογωνιαίο λίθο της στρατηγικής της ΕΕ για την ψηφιακή κυριαρχία. Χάρη σε αυτήν, οι δημόσιες διοικήσεις μπορούν να ανταλλάσσουν δεδομένα, να επαναχρησιμοποιούν λύσεις και να προσφέρουν αδιάλειπτες διασυνοριακές υπηρεσίες. Το GovTech, από την πλευρά του, ενισχύει τις δημόσιες υπηρεσίες ώστε να γίνονται πιο καινοτόμες, αποδοτικές, διαφανείς και ανθρωποκεντρικές, βοηθώντας τις διοικήσεις να μειώσουν τον διοικητικό φόρτο, να αυτοματοποιήσουν τις τυποποιημένες διαδικασίες και να βελτιώσουν την εξυπηρέτηση των πολιτών.
Οι βασικές προτεραιότητες υλοποίησης
Το Παράρτημα 15 εντοπίζει αρκετούς τομείς υψηλής προτεραιότητας με ορίζοντα υλοποίησης το 2028.
Η πρώτη αφορά τη σημασιολογική διαλειτουργικότητα των δεδομένων και τον ψηφιακό μετασχηματισμό, με έμφαση στην αναγνωσιμότητα από μηχανές και στην ουδετερότητα ως προς τις πλατφόρμες. Τα μηχαναναγνώσιμα δεδομένα επιτρέπουν στις πληροφορίες που φυλάσσονται σε βάσεις δεδομένων, αισθητήρες ή ψηφιακούς πόρους να γίνονται προσβάσιμες, να ανταλλάσσονται και να επαναχρησιμοποιούνται από υπολογιστές — κάτι απαραίτητο για την αυτοματοποίηση, την ποιότητα των δεδομένων, την προηγμένη ανάλυση και τη χάραξη πολιτικής με βάση τεκμήρια.
Στρατηγική προτεραιότητα αποτελεί και η ουδετερότητα ως προς τις πλατφόρμες. Στηριζόμενες σε ανοιχτά πρότυπα και αποφεύγοντας την εξάρτηση από συγκεκριμένους προμηθευτές ή κλειστά οικοσυστήματα, οι δημόσιες διοικήσεις περιορίζουν τον κίνδυνο εγκλωβισμού (lock-in) και διασφαλίζουν ότι οι ψηφιακές δημόσιες υπηρεσίες παραμένουν διαχρονικά ευέλικτες, βιώσιμες και διαλειτουργικές.
Η δεύτερη προτεραιότητα αφορά τις υποδομές, και ειδικότερα την ψηφιακή δημόσια υποδομή και τους διασυνοριακούς χώρους δεδομένων. Κοινοί και διαλειτουργικοί χώροι δεδομένων σε τομείς όπως η υγεία, η κινητικότητα και οι δημόσιες συμβάσεις μπορούν να απελευθερώσουν την αξία δημόσιων και ιδιωτικών δεδομένων σε ολόκληρη την ΕΕ, αρκεί να υποστηρίζονται από κοινά πλαίσια διακυβέρνησης, σημασιολογικά εργαλεία και επαναχρησιμοποιήσιμα δομικά στοιχεία.
Η τρίτη προτεραιότητα είναι η αξιοποίηση της τεχνητής νοημοσύνης για τη διαλειτουργικότητα. Η ΤΝ μπορεί να συνδράμει τις δημόσιες διοικήσεις στη δόμηση, την επιμέλεια, την τυποποίηση και τη διασύνδεση δεδομένων σε τεχνικό, σημασιολογικό, νομικό και οργανωτικό επίπεδο. Στις πρακτικές εφαρμογές συγκαταλέγονται η έξυπνη αντιστοίχιση δεδομένων, η αυτόματη παραγωγή μεταδεδομένων και τα εργαλεία μετάφρασης που διευκολύνουν τη διασυνοριακή συνεργασία.
Η μελέτη κατατάσσει στους τομείς μεσαίας προτεραιότητας, επίσης με ορίζοντα το 2028, τα ψηφιακά δίδυμα (digital twins) για τη δημόσια διοίκηση και τις υπηρεσίες της, καθώς και την ευρύτερη αξιοποίηση της τεχνητής νοημοσύνης στον δημόσιο τομέα.
Τα ισχυρά σημεία της Ευρώπης και οι προκλήσεις που παραμένουν
Ταυτόχρονα, η μελέτη φωτίζει προκλήσεις που επιμένουν. Οι δημόσιες διοικήσεις σε ολόκληρη την Ευρώπη εξακολουθούν να στηρίζονται σε απαρχαιωμένα πληροφοριακά συστήματα (legacy IT), σε κατακερματισμένες μορφές δεδομένων και σε εθνικά αποκομμένες προσεγγίσεις. Οι σημασιολογικές αναντιστοιχίες, η περιορισμένη στελέχωση σε πεδία όπως η διαχείριση δεδομένων και τα API, καθώς και οι ιδιαίτερα επιφυλακτικές πρακτικές στις δημόσιες συμβάσεις, συνεχίζουν να καθυστερούν την ανάπτυξη διαλειτουργικών ψηφιακών δημόσιων υπηρεσιών.
Η μελέτη υπογραμμίζει, ακόμη, ότι η διαλειτουργικότητα συνδέεται ολοένα πιο στενά με την ψηφιακή κυριαρχία. Πολλές διοικήσεις παραμένουν εξαρτημένες από μη ευρωπαϊκούς παρόχους cloud, εργαλείων παραγωγικότητας και πλατφορμών για κρίσιμες υπηρεσίες, γεγονός που γεννά στρατηγικές ευπάθειες. Γι’ αυτό και οι προσεγγίσεις ανοιχτού κώδικα και ουδετερότητας ως προς τον προμηθευτή προβάλλονται ως σημαντικά εργαλεία για την ενίσχυση της αυτονομίας, της διαφάνειας και της μακροπρόθεσμης διαλειτουργικότητας.
Οι επενδυτικές ανάγκες για την επόμενη φάση
Η μελέτη καταγράφει σειρά επενδυτικών αναγκών για το οικοσύστημα της διαλειτουργικότητας και του GovTech. Έως το 2028, εισηγείται τη συνέχιση των επενδύσεων σε λύσεις διαλειτουργικότητας και σε μηχανισμούς συνεργασίας GovTech, ευρύτερο πειραματισμό μέσω πιλοτικών έργων και ρυθμιστικών «αμμοδόχων» (sandboxes), καθώς και στήριξη για τυποποιημένα API, μετάβαση στο cloud, πλαίσια διαλειτουργικότητας και πλατφόρμες ολοκλήρωσης δεδομένων.
Επισημαίνει επίσης την ανάγκη να βελτιωθεί η πρόσβαση σε υποστηρικτικές υποδομές, όπως η κυρίαρχη υποδομή cloud και οι εγχώριες τεχνολογικές δυνατότητες, μεταξύ των οποίων και οι λύσεις ανοιχτού κώδικα. Προτεραιότητα αποτελούν και οι δεξιότητες, με έμφαση στη στοχευμένη κατάρτιση, στις πλατφόρμες ηλεκτρονικής μάθησης και στα ψηφιακά εργαλεία συνεργασίας για τον δημόσιο τομέα.
Η μελέτη ζητεί, ακόμη, πρωτοβουλίες από την πλευρά της ζήτησης εκ μέρους των δημόσιων αρχών, ώστε να ευνοηθεί η ανάδειξη νεοφυών και τεχνολογικών εταιρειών εξειδικευμένων στο GovTech, όπως και αλλαγές στις πρακτικές δημόσιων συμβάσεων που θα δίνουν προβάδισμα στη διαλειτουργικότητα, την επαναχρησιμοποίηση και την καινοτομία.
Κοιτάζοντας πιο μακριά, η μελέτη επισημαίνει την ανάγκη για χρηματοδότηση με γνώμονα την αποστολή (mission-oriented funding) στους τομείς της διαλειτουργικότητας και του GovTech, αλλά και για πρωτοβουλίες ρυθμιστικής εναρμόνισης.
Τι σημαίνουν όλα αυτά για τη Διαλειτουργική Ευρώπη
Τα ευρήματα επιβεβαιώνουν πόσο σημαντική είναι μια συντονισμένη ευρωπαϊκή προσέγγιση στη διαλειτουργικότητα. Ο Κανονισμός για τη Διαλειτουργική Ευρώπη, το Συμβούλιο της Διαλειτουργικής Ευρώπης, οι κοινές λύσεις, τα κοινά πρότυπα και οι κοινότητες πρακτικής είναι καθοριστικά για να περάσουν οι δημόσιες διοικήσεις από τις μεμονωμένες ψηφιακές υπηρεσίες σε υπηρεσίες συνδεδεμένες, επαναχρησιμοποιήσιμες και διασυνοριακές.
Η διαλειτουργικότητα δεν είναι απλώς μια τεχνική απαίτηση. Είναι πρακτική προϋπόθεση για καλύτερες ψηφιακές δημόσιες υπηρεσίες, μοχλός ψηφιακής κυριαρχίας και βασικός παράγοντας για την ανταγωνιστικότητα της Ευρώπης.
Σας προσκαλούμε webinar διάχυσης αποτελεσμάτων του έργου S.T.E.P.S. – STEM Teaching and Education Platform for Students
Ημερομηνία: Παρασκευή, 10 Ιουλίου 2026 Ώρα: 11:30 – 13:00 (ώρα Ελλάδας) / 10:30 – 12:00 CET Τόπος: Διαδικτυακά μέσω Zoom
Ελάτε να ανακαλύψετε μαζί μας τα τελικά αποτελέσματα του έργου S.T.E.P.S.:
Αποτελέσματα έργου: ένα χαμηλού κόστους, ανοιχτού κώδικα εκπαιδευτικό ρομπότ, εκπαιδευτικό υλικό και πλατφόρμα MOOC για τη διδασκαλία STEM και ρομποτικής.
WP5 & PR7: συστάσεις και κατευθυντήριες οδηγίες για ιδρύματα τριτοβάθμιας εκπαίδευσης, δευτεροβάθμια σχολεία και φορείς της εκπαίδευσης.
Συνεδρία ανατροφοδότησης: διαδραστική online δραστηριότητα για τη συλλογή της γνώμης σας σχετικά με το PR7 και την υποστήριξη των δράσεων βιωσιμότητας του έργου.
Σε ποιους απευθύνεται; Σε εκπαιδευτικούς (εν ενεργεία και υπό κατάρτιση), εκπαιδευτικούς δευτεροβάθμιας, φορείς κατάρτισης εκπαιδευτικών σε ΑΕΙ, προσωπικό σχολείων, γονείς και μαθητές, καθώς και σε όσους ασχολούνται με το STEM και τη ρομποτική.
Η συζήτηση για την Τεχνητή Νοημοσύνη στις Ηνωμένες Πολιτείες εγκλωβίζεται όλο και περισσότερο σε μια φράση: «αν δεν τρέξουμε, θα μας προσπεράσει η Κίνα». Αυτή η φράση λειτουργεί σαν πολιτικό άλλοθι για να απορρίπτεται κάθε ουσιαστικός έλεγχος, κάθε ρυθμιστικό πλαίσιο, κάθε προληπτικό μέτρο ασφάλειας και κάθε απαίτηση δημόσιας λογοδοσίας. Η ΤΝ αντιμετωπίζεται σαν όπλο σε έναν νέο ψυχρό πόλεμο και όχι σαν κρίσιμη κοινωνική υποδομή που πρέπει να υπηρετεί τον άνθρωπο.
Το επιχείρημα μοιάζει απλό: κάθε καθυστέρηση είναι δώρο στον αντίπαλο, κάθε κανόνας μειώνει την ανταγωνιστικότητα, κάθε περιορισμός εμποδίζει την καινοτομία. Στην πράξη, όμως, αυτή η λογική οδηγεί σε έναν αγώνα ταχύτητας χωρίς φρένα. Τα ισχυρότερα μοντέλα μπορούν να ενισχύσουν την παραγωγή λογισμικού, την έρευνα, την εκπαίδευση και τη διοίκηση, αλλά μπορούν επίσης να αξιοποιηθούν για κυβερνοεπιθέσεις, παραπληροφόρηση, αυτοματοποίηση απάτης και επικίνδυνες βιολογικές ή τεχνικές εφαρμογές. Όσο η δημόσια πολιτική περιορίζεται στο «πρέπει να κερδίσουμε», τόσο η ασφάλεια γίνεται εμπόδιο και η διαφάνεια πολυτέλεια.
Το οικονομικό αδιέξοδο της κούρσας
Υπάρχει και ένα δεύτερο, λιγότερο συζητημένο πρόβλημα: η σημερινή κούρσα της ΤΝ είναι οικονομικά ασταθής. Το κυρίαρχο μοντέλο βασίζεται σε τεράστια κέντρα δεδομένων, ακριβούς επεξεργαστές, τεράστιες ενεργειακές απαιτήσεις και μοντέλα που χρειάζονται ακριβή εκπαίδευση και ακριβή λειτουργία. Όμως η αγορά δείχνει ήδη σημάδια πολέμου τιμών. Όταν περισσότερες εταιρείες χτίζουν παρόμοια συστήματα με παρόμοια δεδομένα και παρόμοιες τεχνικές, δεν υπάρχει μόνιμη «τάφρος» προστασίας. Το τεχνολογικό προβάδισμα μπορεί να κρατά λίγες εβδομάδες, όχι δεκαετίες.
Τα κινεζικά ανοικτά ή ανοικτών βαρών μοντέλα ενισχύουν αυτή την πίεση. Το GLM-5.2 της Z.ai και η προηγούμενη εμπειρία του DeepSeek δείχνουν ότι η απόσταση από τα κορυφαία κλειστά μοντέλα μπορεί να μικραίνει γρήγορα και με χαμηλότερο κόστος. Ακόμη πιο σημαντική είναι η μετατόπιση από το «μεγαλύτερο μοντέλο» στο «αποδοτικότερο σύστημα». Το DeepSpec και το DSpark δεν υπόσχονται απλώς μεγαλύτερη ευφυΐα. Υπόσχονται ταχύτερη και φθηνότερη εξυπηρέτηση μοντέλων, με τεχνικές speculative decoding που μειώνουν τη σπατάλη υπολογιστικής ισχύος. Αν η ΤΝ γίνεται φθηνότερη, ταχύτερη και πιο προσβάσιμη, τότε το επιχείρημα ότι μόνο γιγαντιαίες κλειστές υποδομές μπορούν να οδηγήσουν την πρόοδο αποδυναμώνεται.
Η σημασία της αποδοτικής και ανοικτής ΤΝ
Η πραγματική καινοτομία δεν είναι μόνο να φτιάχνουμε μεγαλύτερα μοντέλα. Είναι να φτιάχνουμε μοντέλα και υποδομές που μπορούν να χρησιμοποιηθούν από περισσότερους ανθρώπους, με λιγότερη ενέργεια, χαμηλότερο κόστος και μεγαλύτερο έλεγχο. Αν η ΤΝ μπορεί να τρέχει σε τοπικές υποδομές, σε πανεπιστήμια, δήμους, μικρομεσαίες επιχειρήσεις και δημόσιους φορείς, τότε μειώνεται η εξάρτηση από λίγες κλειστές πλατφόρμες. Αυξάνεται η ιδιωτικότητα, ενισχύεται η τοπική καινοτομία και ανοίγει ο δρόμος για εφαρμογές που υπηρετούν πραγματικές κοινωνικές ανάγκες.
Αυτό δεν σημαίνει άκριτη αποδοχή κάθε ανοικτού μοντέλου χωρίς κανόνες. Όσο πιο εύκολα διαχέονται οι δυνατότητες, τόσο πιο σημαντική γίνεται η υπεύθυνη διακυβέρνηση. Ανοικτότητα δεν σημαίνει απουσία ελέγχου. Σημαίνει δυνατότητα ελέγχου από περισσότερους: ερευνητές, δημόσιους φορείς, ανεξάρτητους αξιολογητές, κοινότητες ανοικτού λογισμικού και κοινωνία των πολιτών.
Ο ευρωπαϊκός δρόμος
Η Ευρωπαϊκή Ένωση δεν πρέπει να αντιγράψει ούτε τη λογική της αμερικανικής απορρύθμισης ούτε το κινεζικό κρατικό μοντέλο. Χρειάζεται έναν τρίτο δρόμο: αξιόπιστη, ανοικτή, αποδοτική και δημοκρατικά ελεγχόμενη ΤΝ. Το AI Act δεν πρέπει να αντιμετωπιστεί ως βάρος, αλλά ως βάση για μια ώριμη βιομηχανική και κοινωνική στρατηγική.
Για την Ελλάδα, αυτό σημαίνει ότι η ΤΝ στο Δημόσιο δεν πρέπει να εισαχθεί ως κλειστή υπηρεσία ξένων πλατφορμών. Πρέπει να σχεδιαστεί ως δημόσια υποδομή: με ανοικτό λογισμικό, ελληνικά δεδομένα υψηλής ποιότητας, RAG με τεκμηριωμένες πηγές, model cards, datasheets, ανθρώπινη τελική ευθύνη και τοπικά μοντέλα χαμηλού κόστους. Η σωστή απάντηση στον νέο ψυχρό πόλεμο της ΤΝ δεν είναι να τρέξουμε χωρίς κανόνες. Είναι να χτίσουμε τεχνολογία που είναι ασφαλής, ελέγξιμη, προσιτή και κοινωνικά χρήσιμη.
Η συζήτηση για την Τεχνητή Νοημοσύνη στις Ηνωμένες Πολιτείες εγκλωβίζεται όλο και περισσότερο σε μια φράση: «αν δεν τρέξουμε, θα μας προσπεράσει η Κίνα». Αυτή η φράση λειτουργεί σαν πολιτικό άλλοθι για να απορρίπτεται κάθε ουσιαστικός έλεγχος, κάθε ρυθμιστικό πλαίσιο, κάθε προληπτικό μέτρο ασφάλειας και κάθε απαίτηση δημόσιας λογοδοσίας. Η ΤΝ αντιμετωπίζεται σαν όπλο σε έναν νέο ψυχρό πόλεμο και όχι σαν κρίσιμη κοινωνική υποδομή που πρέπει να υπηρετεί τον άνθρωπο.
Το επιχείρημα μοιάζει απλό: κάθε καθυστέρηση είναι δώρο στον αντίπαλο, κάθε κανόνας μειώνει την ανταγωνιστικότητα, κάθε περιορισμός εμποδίζει την καινοτομία. Στην πράξη, όμως, αυτή η λογική οδηγεί σε έναν αγώνα ταχύτητας χωρίς φρένα. Τα ισχυρότερα μοντέλα μπορούν να ενισχύσουν την παραγωγή λογισμικού, την έρευνα, την εκπαίδευση και τη διοίκηση, αλλά μπορούν επίσης να αξιοποιηθούν για κυβερνοεπιθέσεις, παραπληροφόρηση, αυτοματοποίηση απάτης και επικίνδυνες βιολογικές ή τεχνικές εφαρμογές. Όσο η δημόσια πολιτική περιορίζεται στο «πρέπει να κερδίσουμε», τόσο η ασφάλεια γίνεται εμπόδιο και η διαφάνεια πολυτέλεια.
Το οικονομικό αδιέξοδο της κούρσας
Υπάρχει και ένα δεύτερο, λιγότερο συζητημένο πρόβλημα: η σημερινή κούρσα της ΤΝ είναι οικονομικά ασταθής. Το κυρίαρχο μοντέλο βασίζεται σε τεράστια κέντρα δεδομένων, ακριβούς επεξεργαστές, τεράστιες ενεργειακές απαιτήσεις και μοντέλα που χρειάζονται ακριβή εκπαίδευση και ακριβή λειτουργία. Όμως η αγορά δείχνει ήδη σημάδια πολέμου τιμών. Όταν περισσότερες εταιρείες χτίζουν παρόμοια συστήματα με παρόμοια δεδομένα και παρόμοιες τεχνικές, δεν υπάρχει μόνιμη «τάφρος» προστασίας. Το τεχνολογικό προβάδισμα μπορεί να κρατά λίγες εβδομάδες, όχι δεκαετίες.
Τα κινεζικά ανοικτά ή ανοικτών βαρών μοντέλα ενισχύουν αυτή την πίεση. Το GLM-5.2 της Z.ai και η προηγούμενη εμπειρία του DeepSeek δείχνουν ότι η απόσταση από τα κορυφαία κλειστά μοντέλα μπορεί να μικραίνει γρήγορα και με χαμηλότερο κόστος. Ακόμη πιο σημαντική είναι η μετατόπιση από το «μεγαλύτερο μοντέλο» στο «αποδοτικότερο σύστημα». Το DeepSpec και το DSpark δεν υπόσχονται απλώς μεγαλύτερη ευφυΐα. Υπόσχονται ταχύτερη και φθηνότερη εξυπηρέτηση μοντέλων, με τεχνικές speculative decoding που μειώνουν τη σπατάλη υπολογιστικής ισχύος. Αν η ΤΝ γίνεται φθηνότερη, ταχύτερη και πιο προσβάσιμη, τότε το επιχείρημα ότι μόνο γιγαντιαίες κλειστές υποδομές μπορούν να οδηγήσουν την πρόοδο αποδυναμώνεται.
Η σημασία της αποδοτικής και ανοικτής ΤΝ
Η πραγματική καινοτομία δεν είναι μόνο να φτιάχνουμε μεγαλύτερα μοντέλα. Είναι να φτιάχνουμε μοντέλα και υποδομές που μπορούν να χρησιμοποιηθούν από περισσότερους ανθρώπους, με λιγότερη ενέργεια, χαμηλότερο κόστος και μεγαλύτερο έλεγχο. Αν η ΤΝ μπορεί να τρέχει σε τοπικές υποδομές, σε πανεπιστήμια, δήμους, μικρομεσαίες επιχειρήσεις και δημόσιους φορείς, τότε μειώνεται η εξάρτηση από λίγες κλειστές πλατφόρμες. Αυξάνεται η ιδιωτικότητα, ενισχύεται η τοπική καινοτομία και ανοίγει ο δρόμος για εφαρμογές που υπηρετούν πραγματικές κοινωνικές ανάγκες.
Αυτό δεν σημαίνει άκριτη αποδοχή κάθε ανοικτού μοντέλου χωρίς κανόνες. Όσο πιο εύκολα διαχέονται οι δυνατότητες, τόσο πιο σημαντική γίνεται η υπεύθυνη διακυβέρνηση. Ανοικτότητα δεν σημαίνει απουσία ελέγχου. Σημαίνει δυνατότητα ελέγχου από περισσότερους: ερευνητές, δημόσιους φορείς, ανεξάρτητους αξιολογητές, κοινότητες ανοικτού λογισμικού και κοινωνία των πολιτών.
Ο ευρωπαϊκός δρόμος
Η Ευρωπαϊκή Ένωση δεν πρέπει να αντιγράψει ούτε τη λογική της αμερικανικής απορρύθμισης ούτε το κινεζικό κρατικό μοντέλο. Χρειάζεται έναν τρίτο δρόμο: αξιόπιστη, ανοικτή, αποδοτική και δημοκρατικά ελεγχόμενη ΤΝ. Το AI Act δεν πρέπει να αντιμετωπιστεί ως βάρος, αλλά ως βάση για μια ώριμη βιομηχανική και κοινωνική στρατηγική.
Για την Ελλάδα, αυτό σημαίνει ότι η ΤΝ στο Δημόσιο δεν πρέπει να εισαχθεί ως κλειστή υπηρεσία ξένων πλατφορμών. Πρέπει να σχεδιαστεί ως δημόσια υποδομή: με ανοικτό λογισμικό, ελληνικά δεδομένα υψηλής ποιότητας, RAG με τεκμηριωμένες πηγές, model cards, datasheets, ανθρώπινη τελική ευθύνη και τοπικά μοντέλα χαμηλού κόστους. Η σωστή απάντηση στον νέο ψυχρό πόλεμο της ΤΝ δεν είναι να τρέξουμε χωρίς κανόνες. Είναι να χτίσουμε τεχνολογία που είναι ασφαλής, ελέγξιμη, προσιτή και κοινωνικά χρήσιμη.
Robert Wright & Ryan Fedasiuk, “The US-China AI Race”: Εξετάζει τη δυναμική ΗΠΑ και Κίνας, τη δυνατότητα διεθνούς παύσης και το δίλημμα ανάμεσα στον ανταγωνισμό και στον κοινό έλεγχο κινδύνων: https://www.nonzero.org/p/the-us-china-ai-race-robert-wright,
YouTube, “The US-China AI Race | Robert Wright & Ryan Fedasiuk”: Το βίντεο σχολιάζει την κούρσα ΗΠΑ και Κίνας στην ΤΝ και τις συνέπειες για τη διεθνή ασφάλεια: https://www.youtube.com/watch?v=5FTm0hS-vrE,
Gary Marcus, “The illusion of Generative AI, the insanity of massive bets on hyperscaling”: Το κείμενο συνδέει την κριτική στην υπερκλιμάκωση με την ανάγκη για world models, νευροσυμβολικές προσεγγίσεις και πιο αξιόπιστα συστήματα: https://garymarcus.substack.com/p/the-illusion-of-generative-ai-the,
DeepSeek, “DeepSpec”: Το αποθετήριο του DeepSpec παρουσιάζει ένα πλήρες πλαίσιο για εκπαίδευση και αξιολόγηση draft models για speculative decoding, δείχνοντας την τεχνική σημασία: https://github.com/deepseek-ai/DeepSpec,
DeepSeek, “DSpark paper”: Η τεχνική αναφορά του DSpark τεκμηριώνει την προσέγγιση confidence-scheduled speculative decoding με semi-autoregressive generation για ταχύτερη εξυπηρέτηση μεγάλων μοντέλων: https://github.com/deepseek-ai/DeepSpec/blob/main/Dspark_paper.pdf,
Hugging Face, “DeepSeek-V4-Pro-DSpark”: Τα DSpark checkpoints μπορούν να χρησιμοποιηθούν με εργαλεία όπως Transformers, vLLM και SGLang, ενισχύοντας τη δυνατότητα ευρύτερης αξιοποίησης: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-Dspark,
Z.ai, “GLM-5.2: Built for Long-Horizon Tasks”: Η τεχνική παρουσίαση του GLM-5.2 περιγράφει τις επιδόσεις του μοντέλου σε coding και long-horizon tasks και τη σύγκρισή του με κλειστά μοντέλα αιχμής: https://z.ai/blog/glm-5.2,
NIST, “AI Risk Management Framework”: Το πλαίσιο του NIST δείχνει ότι η διαχείριση κινδύνου στην ΤΝ δεν είναι αντίπαλος της καινοτομίας, αλλά προϋπόθεση για αξιοπιστία, ασφάλεια και λογοδοσία: https://www.nist.gov/itl/ai-risk-management-framework.
In Fedora 44 Live images (all of them except Workstation, i.e. KDE,
XFCE, LXDE, etc), the installer crashes when you enter the Storage
Editor (available from the three-dots menu in top right) and interact
with any drop-down lists.
Cause
A bug in QtWebView causes the crash.
Workarounds
Don’t start the installer (or quit it if you started it already). Start terminal (Konsole in KDE) and edit a config file:
sudo nano /etc/anaconda/profile.d/fedora.conf
Find this part:
# The default browser for the Web UI.
webui_web_engine = slitherer
and change it to:
# The default browser for the Web UI.
webui_web_engine = firefox
Close the editor (Ctrl+X → Y → Enter), and run the installer, either from a desktop launcher, or from a terminal:
liveinst
The installer should no longer crash when using drop-down lists.
Η διεθνής κούρσα της Τεχνητής Νοημοσύνης έχει περάσει σε νέα φάση. Δεν πρόκειται πια μόνο για το ποιος έχει το καλύτερο γλωσσικό μοντέλο, το πιο εντυπωσιακό chatbot ή το πιο ισχυρό εργαλείο παραγωγής εικόνας και βίντεο. Το πραγματικό πεδίο ανταγωνισμού είναι η υπολογιστική υποδομή: κέντρα δεδομένων, επεξεργαστές, ηλεκτρική ενέργεια, δίκτυα, μνήμη, αποθήκευση, λογισμικό υποδομής, συστήματα εκπαίδευσης και συστήματα εξυπηρέτησης εκατομμυρίων χρηστών σε πραγματικό χρόνο.
Γι’ αυτό βλέπουμε λίγους πολύ μεγάλους ομίλους, κυρίως στις ΗΠΑ και στην Κίνα, να επενδύουν ποσά που θυμίζουν βιομηχανική επανάσταση. Microsoft, Alphabet, Amazon, Meta, OpenAI σε συμμαχία με Oracle και SoftBank, Alibaba, ByteDance, Tencent και Baidu δεν κινούνται σαν απλές εταιρείες λογισμικού. Κινούνται σαν όμιλοι που προσπαθούν να ελέγξουν τη νέα γενική υποδομή της οικονομίας. Η ΤΝ αντιμετωπίζεται ως το νέο λειτουργικό σύστημα της παραγωγής, της έρευνας, της εκπαίδευσης, της άμυνας, της διοίκησης και της επικοινωνίας.
Το παράδοξο είναι εμφανές: οι επενδύσεις αυξάνονται πολύ ταχύτερα από τα άμεσα κέρδη που παράγει σήμερα η γενετική ΤΝ. Οι μεγάλες πλατφόρμες έχουν κέρδη από cloud, διαφήμιση, ηλεκτρονικό εμπόριο ή λογισμικό, αλλά η νέα υποδομή ΤΝ δεν έχει ακόμη αποδείξει ότι αποδίδει ανάλογα με τα κεφάλαια που δεσμεύει. Οι καθαροί παίκτες ΤΝ, όπως η OpenAI και άλλες εταιρείες μοντέλων, καίνε τεράστια ποσά για εκπαίδευση, υπολογιστική ισχύ και ταλέντο. Το ερώτημα, λοιπόν, δεν είναι αν η ΤΝ είναι σημαντική. Είναι ποιος θα πληρώσει την υποδομή, ποιος θα την ελέγχει και ποιος θα καρπωθεί την αξία όταν η τεχνολογία ωριμάσει.
Οι τέσσερις σχολές που συγκλίνουν
Η πρώτη τάση είναι η καθαρή κλιμάκωση. Η λογική της είναι απλή: περισσότερα δεδομένα, μεγαλύτερα μοντέλα, περισσότερη υπολογιστική ισχύς. Οι νόμοι κλιμάκωσης έδειξαν ότι, για μεγάλο εύρος μεγεθών, η απόδοση των γλωσσικών μοντέλων βελτιώνεται προβλέψιμα όταν αυξάνονται το μέγεθος, τα δεδομένα και η υπολογιστική ισχύς. Αυτή η σχολή δικαιολογεί τις τεράστιες επενδύσεις σε GPU, data centers και ενεργειακή ισχύ. Είναι η σχολή που ταιριάζει περισσότερο στις ΗΠΑ, όπου το επιχειρηματικό κεφάλαιο, οι hyperscalers και τα venture funds μπορούν να σηκώσουν γιγαντιαίους κύκλους επένδυσης.
Η δεύτερη τάση είναι τα μοντέλα συλλογισμού. Εδώ η πρόοδος δεν έρχεται μόνο από μεγαλύτερη εκπαίδευση, αλλά από περισσότερο υπολογισμό τη στιγμή της απάντησης. Το μοντέλο δεν απαντά αμέσως, αλλά «δουλεύει» περισσότερο πάνω στο πρόβλημα, εξετάζει εναλλακτικές διαδρομές, διορθώνει λάθη και παράγει καλύτερες λύσεις σε μαθηματικά, κώδικα, επιστημονικά προβλήματα και σύνθετες εργασίες. Η OpenAI, η Google DeepMind και η DeepSeek έδειξαν διαφορετικές εκδοχές αυτής της κατεύθυνσης. Η DeepSeek είχε ιδιαίτερη σημασία γιατί έδειξε ότι η συλλογιστική ικανότητα μπορεί να ενισχυθεί με πιο αποδοτικές μεθόδους και ανοικτή διάθεση μοντέλων, αμφισβητώντας την ιδέα ότι μόνο οι πιο πλούσιες εταιρείες μπορούν να συμμετέχουν.
Η τρίτη τάση είναι τα μοντέλα κόσμου. Εδώ η υπόθεση είναι ότι η γλώσσα από μόνη της δεν αρκεί. Ένα σύστημα που θέλει να κατανοεί τον κόσμο πρέπει να μαθαίνει από εικόνα, βίντεο, κίνηση, φυσικά φαινόμενα, τρισδιάστατους χώρους και αλληλεπίδραση με το περιβάλλον. Η Meta με τις αρχιτεκτονικές JEPA, τα εργαστήρια ρομποτικής και οι εταιρείες παραγωγής βίντεο κινούνται προς αυτή την κατεύθυνση. Αν τα γλωσσικά μοντέλα είναι μηχανές χειρισμού συμβόλων, τα μοντέλα κόσμου φιλοδοξούν να γίνουν μηχανές κατανόησης καταστάσεων.
Η τέταρτη τάση είναι η νευροσυμβολική ΤΝ. Εδώ αναγνωρίζεται ότι τα νευρωνικά δίκτυα είναι ισχυρά στην αναγνώριση προτύπων, αλλά αδύναμα στην αυστηρή λογική, στην επαλήθευση και στη μαθηματική ακρίβεια. Γι’ αυτό συνδυάζονται με συμβολικούς λύτες, μηχανές απόδειξης, knowledge graphs και αυστηρά συστήματα κανόνων. Το AlphaGeometry και το AlphaProof της DeepMind είναι χαρακτηριστικά παραδείγματα. Το μοντέλο προτείνει, αλλά ο συμβολικός μηχανισμός ελέγχει.
Γιατί επενδύουν πριν κερδίσουν
Οι μεγάλες εταιρείες δεν επενδύουν επειδή έχουν ήδη βρει πλήρως ώριμο μοντέλο κερδοφορίας. Επενδύουν επειδή θεωρούν ότι το κόστος της απουσίας θα είναι μεγαλύτερο από το κόστος της υπερβολικής παρουσίας. Αν η ΤΝ γίνει η βασική διεπαφή για αναζήτηση, εργασία, προγραμματισμό, εκπαίδευση, κατανάλωση και διοίκηση, τότε όποιος ελέγχει την υποδομή θα ελέγχει την πρόσβαση στη γνώση, στα δεδομένα και στις αγορές.
Η Microsoft θέλει να μετατρέψει το cloud και το λογισμικό γραφείου σε στρώμα ΤΝ. Η Alphabet θέλει να προστατεύσει την αναζήτηση, τη διαφήμιση, το YouTube, το Android και το Google Cloud. Η Amazon θέλει να κάνει το AWS τη βασική υποδομή εκπαίδευσης και εξυπηρέτησης μοντέλων. Η Meta θέλει να ενσωματώσει την ΤΝ στα κοινωνικά δίκτυα, στη διαφήμιση, στα εργαλεία δημιουργών και στην επόμενη υπολογιστική πλατφόρμα. Η OpenAI, μαζί με Oracle και SoftBank, προσπαθεί να εξασφαλίσει υπολογιστική ισχύ ώστε να μην εξαρτάται πλήρως από τρίτους. Η Alibaba, η ByteDance, η Tencent και η Baidu κινούνται μέσα σε ένα κινεζικό περιβάλλον όπου η ΤΝ είναι ταυτόχρονα επιχειρηματικό εργαλείο, κρατική προτεραιότητα και ζήτημα τεχνολογικής αυτάρκειας.
Υπάρχει όμως και πιο βαθύς λόγος. Η ΤΝ είναι αγορά με χαρακτηριστικά φυσικού μονοπωλίου. Όσο μεγαλύτερη είναι η υποδομή, τόσο καλύτερα μπορείς να εκπαιδεύσεις, να εξυπηρετήσεις και να μειώσεις το κόστος ανά χρήστη. Όσο περισσότερους χρήστες έχεις, τόσο περισσότερα δεδομένα, ανατροφοδότηση και έσοδα μπορείς να αποκτήσεις. Όσο περισσότερα έσοδα έχεις, τόσο περισσότερη υπολογιστική ισχύ αγοράζεις. Έτσι δημιουργείται ένας κύκλος συσσώρευσης ισχύος.
Το διακύβευμα για την Ευρώπη και την Ελλάδα
Για την Ευρώπη, το ερώτημα δεν είναι να αντιγράψει απλώς τις ΗΠΑ ή την Κίνα. Δεν διαθέτει την ίδια συγκέντρωση κεφαλαίων, ούτε την ίδια ανοχή σε ολιγοπωλιακές υποδομές. Μπορεί όμως να παίξει σε διαφορετικό πεδίο: ανοικτά πρότυπα, ανοικτά μοντέλα, ενεργειακά αποδοτική ΤΝ, δημόσιες υποδομές, τοπικά μοντέλα, αξιόπιστη διακυβέρνηση δεδομένων, διαλειτουργικότητα και δημοκρατικός έλεγχος.
Η απάντηση δεν μπορεί να είναι η παθητική αγορά υπηρεσιών token από κλειστές πλατφόρμες. Για δημόσια διοίκηση, εκπαίδευση, υγεία, γλώσσα, πολιτισμό και κρίσιμες υποδομές χρειάζονται ανοικτές στοίβες, ελεγχόμενη υποδομή, δημόσια αποθετήρια, model cards, datasheets, RAG με τεκμηριωμένες πηγές και ανθρώπινη τελική ευθύνη. Η Ελλάδα δεν θα κερδίσει την κούρσα αν προσπαθήσει να χτίσει το μεγαλύτερο μοντέλο. Μπορεί όμως να κερδίσει αν χτίσει την πιο χρήσιμη, διαφανή και αποδοτική δημόσια υποδομή ΤΝ για την ελληνική γλώσσα, τη δημόσια διοίκηση, την έρευνα και τις μικρομεσαίες επιχειρήσεις.
Η τεχνολογική πρόοδος δεν πρέπει να οδηγήσει σε νέα ψηφιακή εξάρτηση. Αν η ΤΝ γίνει υποδομή ισχύος, τότε η δημοκρατική απάντηση είναι σαφής: δημόσιο χρήμα να παράγει δημόσια γνώση, δημόσιο κώδικα και δημόσια υπολογιστική ικανότητα. Οι κλειστές υπερπλατφόρμες θα συνεχίσουν να επενδύουν εκατοντάδες δισεκατομμύρια γιατί κυνηγούν τον έλεγχο της επόμενης εποχής. Οι δημοκρατικές κοινωνίες πρέπει να επενδύσουν με άλλο κριτήριο: όχι τη συγκέντρωση ισχύος, αλλά την κοινωνική χρησιμότητα, τη διαφάνεια, την ανοικτότητα και τη δυνατότητα των πολιτών να καταλαβαίνουν και να ελέγχουν την τεχνολογία που επηρεάζει τη ζωή τους.
Πηγές άρθρου:
OpenAI, The Stargate Project: Η ανακοίνωση του Stargate δείχνει το μέγεθος της νέας υπολογιστικής κούρσας, με πρόθεση επένδυσης 500 δισ. δολαρίων σε υποδομές ΤΝ στις ΗΠΑ: https://openai.com/index/announcing-the-stargate-project/,
Alibaba Group, AI and Cloud Infrastructure Investment: Η Alibaba ανακοίνωσε επένδυση τουλάχιστον 380 δισ. γουάν, περίπου 53 δισ. δολάρια, σε cloud και ΤΝ για τρία χρόνια, δείχνοντας την κινεζική διάσταση της κούρσας: https://www.alibabagroup.com/document-1830678592242057216,
Sequoia Capital, AI’s $600B Question: Κλασική ανάλυση για το χάσμα ανάμεσα στις τεράστιες επενδύσεις υποδομής και στα πραγματικά έσοδα της αγοράς γενετικής ΤΝ: https://www.sequoiacap.com/article/ais-600b-question/,
DeepSeek-R1, Nature and arXiv: Το DeepSeek-R1 τεκμηριώνει τη σημασία της ενισχυτικής μάθησης για συλλογισμό και την πιθανότητα πιο αποδοτικών ανοικτών προσεγγίσεων: https://arxiv.org/abs/2501.12948,
Kaplan et al., Scaling Laws for Neural Language Models: Το ιστορικό paper που τεκμηρίωσε τους νόμους κλιμάκωσης των γλωσσικών μοντέλων και εξηγεί γιατί η υπολογιστική ισχύς έγινε κεντρικό πεδίο ανταγωνισμού: https://arxiv.org/abs/2001.08361,
Η συζήτηση για την Τεχνητή Νοημοσύνη δεν μπορεί πλέον να περιορίζεται στο ποιο εμπορικό API απαντά καλύτερα. Το πραγματικό ερώτημα είναι ποιος ελέγχει την υποδομή, τα δεδομένα, το κόστος, τους κανόνες και τη δυνατότητα ελέγχου. Τα ανοιχτά μοντέλα, ιδίως τα μοντέλα ανοιχτών βαρών, έχουν φτάσει σε επίπεδο που επιτρέπει σε πανεπιστήμια, ερευνητικά κέντρα, δήμους, περιφέρειες, υπουργεία και μικρές επιχειρήσεις να δημιουργήσουν δικές τους τοπικές υποδομές ΤΝ, χωρίς να εξαρτώνται από κλειστά συστήματα τρίτων χωρών.
Χρειάζεται όμως μια τεχνική διάκριση. Άλλο είναι ένα πλήρως ανοιχτό μοντέλο, όπου δημοσιεύονται βάρη, κώδικας εκπαίδευσης, δεδομένα ή διαδικασίες δεδομένων, αξιολογήσεις και τεκμηρίωση, και άλλο ένα μοντέλο ανοιχτών βαρών, όπου μπορούμε να κατεβάσουμε και να εκτελέσουμε τα βάρη, αλλά όχι απαραίτητα να αναπαράγουμε την εκπαίδευση. Για δημόσιες εφαρμογές, η προτεραιότητα πρέπει να είναι τα πλήρως ανοιχτά μοντέλα, όπως OLMo και Apertus. Για πρακτική παραγωγική χρήση, μπορούν να αξιοποιηθούν και ισχυρά μοντέλα ανοιχτών βαρών, όπως Qwen, DeepSeek, Llama, Gemma, Mistral, GLM, Kimi και gpt-oss, με σαφή τεκμηρίωση άδειας, κινδύνων και περιορισμών.
Τι μπορεί να τρέξει τοπικά σε 4× AMD Radeon RX 7900 XTX
Ένας Linux server με 4× AMD Radeon RX 7900 XTX διαθέτει συνολικά 96 GB μνήμης γραφικών. Αυτό δεν σημαίνει ότι οι τέσσερις κάρτες γίνονται μαγικά μία ενιαία κάρτα 96 GB. Η συνεργασία γίνεται μέσω PCIe και λογισμικού παράλληλης εκτέλεσης, άρα η ταχύτητα εξαρτάται από το μοντέλο, την ποσοτικοποίηση, το μήκος συμφραζομένων, τη μνήμη συμφραζομένων του μοντέλου και τη μηχανή συμπερασμού. Παρ’ όλα αυτά, μια τέτοια υποδομή είναι ήδη αρκετή για σοβαρή τοπική υπηρεσία ΤΝ.
Για καθημερινή χρήση, τα μοντέλα 7B έως 14B είναι η πιο εύκολη επιλογή. Qwen, Gemma, Llama, OLMo και μικρότερα μοντέλα Mistral μπορούν να απαντούν γρήγορα, να εξυπηρετούν πολλές ταυτόχρονες συνομιλίες και να χρησιμοποιούνται για ταξινόμηση εγγράφων, αναζήτηση, περίληψη, απαντήσεις σε πολίτες, εκπαιδευτικά εργαλεία και εσωτερικούς βοηθούς. Σε τέτοιο μέγεθος, ο εξυπηρετητής μπορεί να σηκώσει δεκάδες έως και πάνω από εκατό ενεργές ελαφρές συνεδρίες, εφόσον τα ερωτήματα είναι σύντομα και υπάρχει συνεχής ομαδοποίηση αιτημάτων.
Η πιο ενδιαφέρουσα κατηγορία είναι τα 24B έως 35B. Εδώ ανήκουν μοντέλα όπως Devstral, OLMo 32B, Qwen3.5-35B-A3B και DeepSeek-R1-Distill-Qwen-32B. Με ποσοτικοποίηση 4 bit, αυτά τα μοντέλα χωρούν άνετα σε 4× RX 7900 XTX και αφήνουν χώρο για μνήμη συμφραζομένων. Είναι το πιο λογικό σημείο ισορροπίας για δημόσιες υπηρεσίες: αρκετά έξυπνα για σύνθετα διοικητικά κείμενα, κώδικα, νομική αναζήτηση και τεχνική υποστήριξη, αλλά όχι τόσο βαριά ώστε να καταπίνουν όλη την υποδομή. Σε πραγματικές συνθήκες, με vLLM ή SGLang, μπορεί κανείς να περιμένει 20 έως 60 ενεργές διαδραστικές ροές, ανάλογα με το μήκος των ερωτημάτων και των απαντήσεων.
Τα 70B μοντέλα μπορούν να τρέξουν, αλλά με συμβιβασμούς. Apertus 70B, Llama 70B, ορισμένες εκδόσεις Qwen 72B ή μεγάλα πολυτροπικά μοντέλα απαιτούν επιθετική ποσοτικοποίηση, προσεκτικό περιορισμό συμφραζομένων και χαμηλότερη ταυτόχρονη χρήση. Είναι χρήσιμα ως «βαρύς σύμβουλος» για λίγους χρήστες, όχι ως μαζική υπηρεσία για όλο το ίδρυμα. Μοντέλα άνω των 100B, όπως gpt-oss-120B, μπορούν θεωρητικά να χωρέσουν σε ειδικές μορφές ποσοτικοποίησης, αλλά αφήνουν περιορισμένη μνήμη για συμφραζόμενα και πολλούς χρήστες. Τα πολύ μεγάλα MoE μοντέλα, όπως DeepSeek-V3/R1 πλήρους μεγέθους, GLM-5.2 ή Kimi K2.6, δεν είναι ρεαλιστική επιλογή για 4× RX 7900 XTX ως κανονική παραγωγική υπηρεσία. Για αυτά χρειάζεται μεγαλύτερη υποδομή ή χρήση μικρότερων εκδόσεων.
Τι αλλάζει με 8× RX 7900 XTX
Με 8× RX 7900 XTX η συνολική μνήμη γίνεται 192 GB. Αυτό αλλάζει την κλίμακα, αλλά όχι τους φυσικούς περιορισμούς. Η υποδομή μπορεί να εξυπηρετήσει πολύ άνετα μοντέλα 30B έως 35B με περισσότερους χρήστες, να δώσει καλύτερη εμπειρία σε 70B μοντέλα και να δοκιμάσει 120B μοντέλα με χαμηλή έως μέτρια ταυτόχρονη χρήση. Δεν αντικαθιστά όμως ένα enterprise cluster με H100, H200 ή MI300X όταν ζητούμενο είναι πολύ μεγάλο παράθυρο συμφραζομένων, εκατοντάδες ταυτόχρονοι ενεργοί χρήστες ή πλήρης εκτέλεση frontier MoE μοντέλων.
Η ανοιχτή στοίβα που κάνει τη διαφορά
Το πραγματικό πλεονέκτημα δεν είναι μόνο το κόστος του εξοπλισμού. Είναι η στοίβα ανοιχτού λογισμικού. Σε έναν τέτοιο εξυπηρετητή, ο βασικός κορμός μπορεί να είναι Ubuntu Server ή Rocky Linux, ROCm για την επιτάχυνση AMD, PyTorch με ROCm, vLLM ή SGLang για παραγωγικό συμπερασμό, llama.cpp για GGUF και ελαφρύτερη εκτέλεση, LiteLLM ως ενιαία πύλη συμβατή με OpenAI API, Open WebUI ως διεπαφή χρήστη, Keycloak για ταυτοποίηση, OpenSearch ή Qdrant για αναζήτηση, PostgreSQL για μεταδεδομένα και Superset ή Grafana για πίνακες ελέγχου.
Αυτή η στοίβα μειώνει τον εγκλωβισμό σε προμηθευτές. Επιτρέπει στο δημόσιο ή στο πανεπιστήμιο να αλλάζει μοντέλο χωρίς να αλλάζει εφαρμογή, να μετρά κόστος ανά αίτημα, να κρατά τα δεδομένα τοπικά, να εφαρμόζει πολιτικές ασφαλείας, να ελέγχει τις απαντήσεις με RAG και να τεκμηριώνει κάθε κρίσιμη χρήση με Model Cards, Datasheets, αρχεία καταγραφής και ανθρώπινη εποπτεία.
Από το τοπικό μοντέλο στη δημόσια ψηφιακή κυριαρχία
Η επιλογή τοπικών ανοιχτών μοντέλων δεν είναι απλώς για οικονομία. Είναι δημοκρατική υποδομή. Ένας δήμος μπορεί να έχει βοηθό για πολίτες χωρίς να στέλνει ευαίσθητα αιτήματα σε κλειστό cloud. Ένα πανεπιστήμιο μπορεί να προσφέρει ΤΝ σε φοιτητές και ερευνητές με διαφάνεια και χαμηλό κόστος. Ένα υπουργείο μπορεί να χρησιμοποιεί RAG πάνω σε ΦΕΚ, εγκυκλίους και δημόσια δεδομένα, χωρίς να παραδίδει τη διοικητική γνώση σε ιδιωτικά μαύρα κουτιά.
Η σωστή στρατηγική είναι υβριδική: πολλά μικρά και μεσαία μοντέλα για καθημερινές εργασίες, ένα ισχυρότερο μοντέλο για σύνθετη ανάλυση, αυστηρό RAG για διοικητικές απαντήσεις, ανθρώπινη τελική ευθύνη και πλήρης τεχνική τεκμηρίωση. Με αυτή τη λογική, ένας σχετικά χαμηλού κόστους AMD server δεν είναι υποκατάστατο των μεγάλων υπερυπολογιστών. Είναι όμως ο κρίσιμος ενδιάμεσος κρίκος που μετατρέπει την ΤΝ από ακριβή υπηρεσία συνδρομής σε δημόσια, ελέγξιμη και επαναχρησιμοποιήσιμη υποδομή.
SGLang, AMD GPUs: Η τεκμηρίωση του SGLang εξηγεί πώς εκτελείται η μηχανή AMD GPUs, είναι χρήσιμη για συνεχή ομαδοποίηση αιτημάτων και παραγωγικές ροές agentic εφαρμογών: https://sgl-project.github.io/platforms/amd_gpu.html,
Open Source Initiative, Open Source AI Definition 1.0: Η OSI δίνει τον αναγκαίο ορισμό για να ξεχωρίζουμε τα πλήρως ανοιχτά συστήματα ΤΝ από τα απλώς ανοιχτά βάρη: https://opensource.org/ai/open-source-ai-definition,
Allen Institute for AI, OLMo: Η οικογένεια OLMo αποτελεί από τα πιο σημαντικά παραδείγματα πλήρως ανοιχτών μοντέλων, με εκδόσεις 7B και 32B κατάλληλες για ερευνητική και δημόσια χρήση: https://allenai.org/olmo,
DeepSeek, DeepSeek-R1: Το αποθετήριο τεκμηριώνει ότι το DeepSeek-R1 και τα μοντέλα του διατίθενται με άδεια MIT, είναι κατάλληλα για τοπική εγκατάσταση και πειραματισμό: https://github.com/deepseek-ai/DeepSeek-R1,
Qwen, Qwen3.5-35B-A3B: Το μοντέλο Qwen3.5-35B-A3B είναι πρακτικό παράδειγμα αποδοτικού MoE μοντέλου με περίπου 35B συνολικές παραμέτρους και χαμηλότερες ενεργές παραμέτρους, συμβατό με Transformers, vLLM και SGLang: https://huggingface.co/Qwen/Qwen3.5-35B-A3B.
Καθώς ολοένα και περισσότερες χώρες στρέφονται προς την ψηφιακή ανεξαρτησία, το λογισμικό ανοιχτού κώδικα κερδίζει έδαφος σε κρίσιμους τομείς του δημοσίου.
Μέσα στο κλίμα της γαλλικής προσπάθειας για μείωση της εξάρτησης από μη ευρωπαίους τεχνολογικούς προμηθευτές, το λογισμικό ανοιχτού κώδικα διαδραματίζει ολοένα και πιο κεντρικό ρόλο.
Ένα από τα πιο χαρακτηριστικά παραδείγματα αυτής της τάσης είναι το Nuage, μια πλατφόρμα αποθήκευσης και διαμοιρασμού αρχείων που ανέπτυξε το Υπουργείο Εθνικής Παιδείας για εκπαιδευτικούς, διοικητικούς υπαλλήλους και λοιπό προσωπικό. Απευθύνεται στο σύνολο των 1,2 εκατομμυρίων εργαζομένων του Υπουργείου, ενώ σήμερα μετρά 400.000 ενεργούς λογαριασμούς, με περίπου τα δύο τρίτα των χρηστών να έχουν πρόσβαση στην υπηρεσία κάθε εβδομάδα.
Καθοριστικό ρόλο έπαιξε και το κόστος. Το Υπουργείο Παιδείας μπορεί να διαθέτει περίπου 10 ευρώ ανά χρήστη το χρόνο για το έργο. «Ο προϋπολογισμός μου για την πλατφόρμα είναι κάτω από δύο εκατομμύρια ευρώ το χρόνο, οπότε η τιμή είναι, φυσικά, ένας πολύ σημαντικός παράγοντας»,.
Τεχνική υποδομή
Η ανάπτυξη της πλατφόρμας πραγματοποιήθηκε από την ομάδα ψηφιακών υπηρεσιών του Υπουργείου, από την αρχική ανάπτυξη το 2020 έως την τελική έκδοση το 2022.
Το Υπουργείο διαθέτει δύο αποκλειστικούς υπαλλήλους για τη διαχείριση της πλατφόρμας αποθήκευσης αρχείων, ενώ ένας ακόμη ασχολείται με την υποδομή. Η πλατφόρμα Nuage φιλοξενείται σε δύο κέντρα δεδομένων του κράτους: ένα κοντά στο Παρίσι και ένα στο νότο της χώρας, κοντά στα Πυρηναία.
Οι λειτουργίες αποθήκευσης και συγχρονισμού αρχείων βασίζονται στο Nextcloud Files, λογισμικό ανοιχτού κώδικα που αναπτύσσει η γερμανική εταιρεία Nextcloud. Το Nuage περιλαμβάνει επίσης εφαρμογή επεξεργασίας εγγράφων βασισμένη στο Nextcloud Office, το οποίο χρησιμοποιεί λογισμικό ανοιχτού κώδικα της Collabora.
Υιοθέτηση από τους χρήστες
Σήμερα η πλατφόρμα φιλοξενεί 570 εκατομμύρια έγγραφα και 1,2 petabytes δεδομένων, ενώ 80.000 εργαζόμενοι χρησιμοποιούν τον client συγχρονισμού αρχείων στην επιφάνεια εργασίας τους.
Αξιοσημείωτο είναι ότι αυτή η υιοθέτηση επιτεύχθηκε χωρίς κεντρική προώθηση. «Δεν κάναμε καμία μεγάλη εθνική επικοινωνία για να ενημερώσουμε τους χρήστες ότι έχουν τη δυνατότητα να χρησιμοποιήσουν 100 GB αποθηκευτικού χώρου», είπε ο Piédallu. Παρ’ όλα αυτά, η υιοθέτηση συνεχίζει να αυξάνεται, με την ανάγκη για περίπου 40 terabytes επιπλέον αποθηκευτικού χώρου κάθε μήνα.
Το Υπουργείο εκτιμά ότι ο αριθμός των χρηστών θα φτάσει τους 600.000 έως το τέλος του έτους.
Ψηφιακή κυριαρχία: μια ευρύτερη στρατηγική
Το Nuage είναι μία μόνο από τις πολλές πρωτοβουλίες ανοιχτού κώδικα στον γαλλικό δημόσιο τομέα. Άλλα παραδείγματα περιλαμβάνουν το LaSuite, μια σουίτα παραγωγικότητας και συνεργασίας ανοιχτού κώδικα που ανέπτυξε η Γενική Διεύθυνση Ψηφιακών Θεμάτων (DINUM), με υπηρεσίες όπως η εφαρμογή ανταλλαγής μηνυμάτων Tchap και το Visio, μια πλατφόρμα τηλεδιάσκεψης. Η γαλλική κυβέρνηση έχει επίσης θέσει σε εφαρμογή σχέδια αντικατάστασης των Windows με Linux σε τμήματα του δημόσιου τομέα.
Μήνυμα προς άλλους οργανισμούς
Ο Piédallu έχει ένα σαφές μήνυμα για άλλους δημόσιους οργανισμούς που σκέφτονται να υιοθετήσουν λογισμικό ανοιχτού κώδικα: «Οι περισσότεροι υπεύθυνοι αποφάσεων πιστεύουν ότι θα είναι πολύ δύσκολο να αποχωριστούν τις καθιερωμένες τεχνολογίες. Φυσικά, υπάρχει δουλειά να γίνει για να γίνει η αλλαγή, για να βοηθηθούν οι άνθρωποι. Αλλά στο τέλος, είναι εφικτό. Είναι κάτι που μπορούμε να κάνουμε.»
Η Παραγωγική Τεχνητή Νοημοσύνη (Generative Artificial Intelligence – GenAI) αποτελεί μία από τις σημαντικότερες τεχνολογικές εξελίξεις της τελευταίας δεκαετίας και ήδη επηρεάζει βαθιά τον τρόπο λειτουργίας των δημόσιων οργανισμών στην Ευρώπη. Από τη σύνταξη εγγράφων και τη διαχείριση γνώσης έως την εξυπηρέτηση πολιτών και τη λήψη αποφάσεων, οι δυνατότητες της τεχνολογίας δημιουργούν νέες προοπτικές για την αποτελεσματικότητα και τον εκσυγχρονισμό του δημόσιου τομέα.
Σύμφωνα με πρόσφατη μελέτη του Joint Research Centre (JRC) της Ευρωπαϊκής Επιτροπής, οι δημόσιες διοικήσεις των κρατών-μελών πειραματίζονται ολοένα και περισσότερο με εργαλεία GenAI, αναζητώντας τρόπους αξιοποίησής τους σε καθημερινές διοικητικές λειτουργίες. Παράλληλα, όμως, αναδύονται σημαντικές προκλήσεις που αφορούν τη διακυβέρνηση των συστημάτων αυτών, την προστασία προσωπικών δεδομένων, την οργανωσιακή ετοιμότητα και την τεχνολογική κυριαρχία της Ευρώπης.
Η Τεχνητή Νοημοσύνη ως «γνωστικός συνεργάτης»
Ένα από τα σημαντικότερα ευρήματα της έρευνας είναι ότι οι δημόσιοι υπάλληλοι αντιμετωπίζουν την Παραγωγική Τεχνητή Νοημοσύνη όχι απλώς ως ένα εργαλείο αυτοματοποίησης, αλλά ως έναν «γνωστικό βοηθό». Τα συστήματα αυτά μπορούν να συντάσσουν κείμενα, να συνοψίζουν μεγάλους όγκους πληροφοριών, να υποστηρίζουν την ανάλυση δεδομένων και να διευκολύνουν την πρόσβαση στη συσσωρευμένη οργανωσιακή γνώση.
Η χρήση τους συμβάλλει στην αύξηση της παραγωγικότητας, στη μείωση του χρόνου εκτέλεσης επαναλαμβανόμενων εργασιών και στη βελτίωση της ποιότητας των διοικητικών διαδικασιών. Σε ένα περιβάλλον όπου οι δημόσιοι οργανισμοί διαχειρίζονται τεράστιο όγκο πληροφοριών, η δυνατότητα γρήγορης αναζήτησης, επεξεργασίας και παραγωγής περιεχομένου αποκτά ιδιαίτερη σημασία.
Ωστόσο, η αυξανόμενη εξάρτηση από τα εργαλεία GenAI δημιουργεί και προβληματισμούς. Πολλοί εργαζόμενοι εκφράζουν ανησυχίες σχετικά με την αξιοπιστία των απαντήσεων, τα φαινόμενα «παραισθήσεων» (hallucinations), καθώς και τον κίνδυνο σταδιακής αποδυνάμωσης κρίσιμων δεξιοτήτων όπως η κριτική σκέψη και η ανεξάρτητη ανάλυση.
Η ισορροπία μεταξύ καινοτομίας και ελέγχου
Η υιοθέτηση της GenAI στον δημόσιο τομέα χαρακτηρίζεται από μια συνεχή προσπάθεια εξισορρόπησης μεταξύ καινοτομίας και ελέγχου. Από τη μία πλευρά, οι οργανισμοί επιδιώκουν να αξιοποιήσουν τα οφέλη της τεχνολογίας για να βελτιώσουν τις υπηρεσίες προς τους πολίτες και να ενισχύσουν την αποτελεσματικότητά τους. Από την άλλη, καλούνται να διασφαλίσουν τη συμμόρφωση με το ευρωπαϊκό κανονιστικό πλαίσιο, όπως ο Γενικός Κανονισμός Προστασίας Δεδομένων (GDPR) και ο Ευρωπαϊκός Κανονισμός για την Τεχνητή Νοημοσύνη (AI Act).
Ιδιαίτερη ανησυχία προκαλεί το φαινόμενο της λεγόμενης «σκιώδους ΤΝ» (Shadow AI), κατά το οποίο οι εργαζόμενοι χρησιμοποιούν εμπορικά εργαλεία τεχνητής νοημοσύνης εκτός των επίσημων συστημάτων του οργανισμού τους. Παρότι αυτά τα εργαλεία συχνά προσφέρουν μεγαλύτερες δυνατότητες και ευχρηστία, η χρήση τους ενδέχεται να δημιουργεί κινδύνους για την ασφάλεια και την προστασία των δεδομένων.
Η οργανωσιακή διάσταση της υιοθέτησης
Η επιτυχής ενσωμάτωση της Παραγωγικής Τεχνητής Νοημοσύνης δεν εξαρτάται μόνο από την τεχνολογία. Απαιτεί ένα ευρύτερο οικοσύστημα οργανωσιακών, τεχνολογικών και θεσμικών προϋποθέσεων.
Οι δημόσιες διοικήσεις χρειάζονται ασφαλείς και αξιόπιστες τεχνολογικές υποδομές, ποιοτικά δεδομένα, μηχανισμούς διακυβέρνησης και σαφείς διαδικασίες ελέγχου. Εξίσου σημαντική είναι η ανάπτυξη των ψηφιακών δεξιοτήτων του ανθρώπινου δυναμικού, ώστε οι εργαζόμενοι να μπορούν να χρησιμοποιούν τα εργαλεία GenAI με υπευθυνότητα και αποτελεσματικότητα.
Η έρευνα αναδεικνύει επίσης τη σημασία των πειραματικών περιβαλλόντων (sandboxes), μέσα στα οποία οι οργανισμοί μπορούν να δοκιμάζουν νέες εφαρμογές, να αξιολογούν κινδύνους και να αναπτύσσουν βέλτιστες πρακτικές πριν από τη μαζική υλοποίηση.
Τα τέσσερα στάδια ωρίμανσης της GenAI
Η μελέτη προτείνει ένα μοντέλο τεσσάρων σταδίων για την ενσωμάτωση της GenAI στις δημόσιες διοικήσεις:
Διερευνητικό στάδιο (Exploratory): Οι εργαζόμενοι πειραματίζονται με τα εργαλεία και ανακαλύπτουν τις δυνατότητές τους.
Μετασχηματιστικό στάδιο (Transformational): Η τεχνολογία ενσωματώνεται στις βασικές διαδικασίες και ανασχεδιάζει τον τρόπο παροχής υπηρεσιών.
Αναστοχαστικό στάδιο (Reflective): Οι οργανισμοί αξιολογούν συστηματικά τα αποτελέσματα, βελτιώνουν τις πρακτικές τους και αξιοποιούν τη συλλογική εμπειρία για συνεχή εξέλιξη.
Η μετάβαση από το ένα στάδιο στο άλλο δεν είναι γραμμική, αλλά απαιτεί συνεχή μάθηση, προσαρμογή και ισχυρή διοικητική ηγεσία.
Η ευρωπαϊκή διάσταση και η τεχνολογική κυριαρχία
Η Ευρωπαϊκή Ένωση αντιμετωπίζει την Τεχνητή Νοημοσύνη όχι μόνο ως εργαλείο ψηφιακού μετασχηματισμού αλλά και ως στρατηγικό παράγοντα τεχνολογικής αυτονομίας. Μέσα από πρωτοβουλίες όπως το AI Act, το AI Continent Action Plan και το Apply AI Strategy, η Ευρώπη επιδιώκει να δημιουργήσει ένα οικοσύστημα αξιόπιστης, ασφαλούς και ανθρώποκεντρικής τεχνητής νοημοσύνης.
Για τις δημόσιες διοικήσεις, αυτό σημαίνει ότι η επιλογή τεχνολογικών λύσεων δεν αφορά μόνο την αποτελεσματικότητα, αλλά και τη διασφάλιση της κυριαρχίας στα δεδομένα, τη διαφάνεια των αλγορίθμων και τη συμμόρφωση με τις ευρωπαϊκές αξίες.
Η καταληκτική συνεδρία της δεύτερης ημέρας της UN Open Source Week 2026 με θέμα “Ανοιχτό Λογισμικό και ΤΝ” στη Νέα Υόρκη ανέξειξε εμφατικά ότι η «ανοιχτότητα» αποτελεί πριν από όλα στρατηγική αναγκαιότητα για την επιβίωση των κρατών στην εποχή της Τεχνητής Νοημοσύνης.
Το Μήνυμα της Εσθονίας και της Ισπανίας: Η Ανοιχτότητα ως Δημόσια Πολιτική
Η Hon. Liisa-Ly Pakosta, Υπουργός Δικαιοσύνης και Ψηφιακών Υποθέσεων της Εσθονίας, ήταν αφοπλιστική: ο ανοιχτός κώδικας είναι κυβερνητικό ζήτημα και πρέπει να αποτελεί την προεπιλεγμένη λύση (default). Η εμπειρία του X-Road, το οποίο εξάγεται πλέον σε 140 χώρες, αποδεικνύει ότι η αποφυγή του vendor lock-in (εγκλωβισμού σε παρόχους) είναι το κλειδί για την ψηφιακή αυτονομία ενός μικρού κράτους.
Στο ίδιο μήκος κύματος, ο Alberto Gago (AESIA, Ισπανία) τόνισε ότι η ανοιχτότητα είναι δημόσια πολιτική. Η Ισπανία δεν έμεινε στα λόγια, αλλά ανέπτυξε το δικό της μοντέλο AI για να «αντισταθμίσει την ισχύ των Big Tech» και να προστατεύσει την πολιτισμική της ταυτότητα. Αυτή η προσέγγιση αναδεικνύει την ανάγκη για θεσμική αρχιτεκτονική που να υποστηρίζει την ανοιχτότητα, κάτι που στην Ελλάδα παραμένει το μεγάλο ζητούμενο.
Ο Ρόλος της Ελλάδας στο IMPACTS-EDIC
Η θέση της Ελλάδας ως επικεφαλής στο Impacts-EDIC (European Digital Infrastructure Consortium) αποτελεί μια μοναδική ευκαιρία να ξεπεράσει το «ελληνικό παράδοξο». Ενώ η Γαλλία ηγείται στο Digital Commons EDIC, η Ελλάδα μπορεί μέσω του Impacts-EDIC να μετατρέψει την τεχνική της επάρκεια σε διπλωματικό και οικονομικό κεφάλαιο.
Η συμμετοχή σε ένα EDIC επιτρέπει τη συνένωση πόρων σε ευρωπαϊκό επίπεδο, κάτι που ο Amandeep Singh Gill (UN) περιέγραψε ως «ιμάντα μεταβίβασης» (conveyor belt) ταλέντου και γνώσης. Για την Ελλάδα, αυτό σημαίνει ότι το Impacts-EDIC μπορεί να γίνει ο μηχανισμός που θα επιβάλει τη ρήτρα αμοιβαιότητας(reciprocity): κάθε βελτίωση που γίνεται στις δημόσιες πλατφόρμες μας πρέπει να επιστρέφει ως συνεισφορά στον παγκόσμιο ανοιχτό κώδικα.
Τα EDIHs ως Καταλύτες του Τοπικού Οικοσυστήματος
Εδώ έρχεται ο κρίσιμος ρόλος των Ευρωπαϊκών Κόμβων Ψηφιακής Καινοτομίας (EDIHs) και του AIPowerGreece (o νέος Εθνικός Κόμβος Ψηφιακής Καινοτομίας για την Ελλάδα) ο οποίος μπορεί να λειτουργήσει ως πεδίο δοκιμών για νέα μοντέλα προμηθειών μέσα από την αποκέντρωση της αγοράς από το δημόσιο καινοτομίας. Αντί για τη διαιώνιση της κυριαρχίας λίγων μεγάλων system integrators, τα EDIHs μπορούν να συμβάλουν στην υποστήριξη εγχώριες επιχειρήσεις ΤΠΕ με εξωστρεφή προσανατολισμό στην παροχή και διασυνοριακών υπηρεσιών που βασίζουν το επιχειρηματικό τους μοντέλο τους σε υπηρεσίες γύρω από τα ανοιχτά πρότυπα και το ανοιχτό λογισμικό.
Η Αναπληρώτρια Μόνιμη Αντιπρόσωπος της Ουρουγουάης στα Ηνωμένα Έθνη Gabriela Gonzalez ήταν σαφής όταν υπογράμμισε ότι οι χώρες πρέπει να πάψουν να είναι απλοί καταναλωτές. Τα ελληνικά EDIHs μπορούν να εκπαιδεύσουν την αγορά στη λογική του “Public Money, Public Code”, διασφαλίζοντας ότι το δημόσιο χρήμα παράγει δημόσια ψηφιακά αγαθά.
Η Πολιτική Βούληση ως το Τελευταίο Σύνορο
Η συζήτηση στον ΟΗΕ επιβεβαίωσε ότι το μέλλον για ένα καινοτόμο ψηφιακό μετασχηματισμό περνάει μέσα από μικρές, έξυπνες και κατανεμημένες λύσεις. Η Ελλάδα διαθέτει το ταλέντο αλλά της λείπει ακόμα ο θεσμικός συντονισμός.
Η πρόκληση για την ελληνική ψηφιακή διακυβέρνηση είναι να αξιοποιήσει τη θέση της στο IMPACTS-EDIC και τη δικτύωση των EDIHs για να οικοδομήσει μια «πολιτική οικονομία της ανοιχτότητας». Μόνο έτσι θα περάσουμε από τις επιτυχημένες αλλά απομονωμένες πλατφόρμες σε ένα ζωντανό οικοσύστημα που θα παράγει αξία, διασφαλίζοντας ταυτόχρονα την ψηφιακή μας κυριαρχία απέναντι στις προκλήσεις της Agentic AI εποχής.
Η συζήτηση γύρω από την Τεχνητή Νοημοσύνη (AI) στην Ευρώπη συχνά παρουσιάζεται ως ένα δίλημμα: περισσότερη καινοτομία ή περισσότερη ρύθμιση. Ωστόσο, ένας νέος προβληματισμός από τον τομέα της πολιτιστικής κληρονομιάς προτείνει μια διαφορετική προσέγγιση. Σύμφωνα με τη νέα λευκή βίβλο της Europeana με τίτλο «The Case for Public AI: Making it Happen with Cultural Heritage», η Ευρώπη δεν είναι υποχρεωμένη να επιλέξει ανάμεσα στην ανάπτυξη και τον έλεγχο της τεχνολογίας. Αντίθετα, μπορεί να διαμορφώσει ένα μοντέλο «Δημόσιας Τεχνητής Νοημοσύνης» που υπηρετεί το δημόσιο συμφέρον.
Η βασική θέση της έκθεσης είναι ότι τα θεμέλια της AI δεν πρέπει να καθορίζονται αποκλειστικά από λίγες μεγάλες ιδιωτικές εταιρείες. Ο τομέας της πολιτιστικής κληρονομιάς –μουσεία, βιβλιοθήκες, αρχεία και πολιτιστικοί οργανισμοί– μπορεί να διαδραματίσει καθοριστικό ρόλο στη δημιουργία ενός πιο δημοκρατικού και διαφανούς οικοσυστήματος τεχνητής νοημοσύνης. Διαθέτει πλούσια, πολυγλωσσικά και τεκμηριωμένα δεδομένα, τα οποία μπορούν να αξιοποιηθούν για την εκπαίδευση μοντέλων AI με υψηλά πρότυπα ποιότητας και αξιοπιστίας.
Η λευκή βίβλος αναδεικνύει τέσσερις βασικούς ρόλους για τον τομέα της πολιτιστικής κληρονομιάς. Πρώτον, να λειτουργεί ως θεματοφύλακας ποιοτικών δεδομένων. Δεύτερον, να διασφαλίζει δίκαιους και αμοιβαία επωφελείς όρους πρόσβασης και επαναχρησιμοποίησης αυτών των δεδομένων. Τρίτον, να συμβάλλει στην ανάπτυξη μικρότερων και εξειδικευμένων μοντέλων AI που ανταποκρίνονται σε συγκεκριμένες κοινωνικές και πολιτιστικές ανάγκες. Τέταρτον, να ενισχύσει τον ψηφιακό και τεχνολογικό εγγραμματισμό των πολιτών γύρω από την τεχνητή νοημοσύνη.
Η πρωτοβουλία αυτή συνδέεται άμεσα με τη μελλοντική Στρατηγική για την Τεχνητή Νοημοσύνη στους Πολιτιστικούς και Δημιουργικούς Τομείς, την οποία η Ευρωπαϊκή Επιτροπή έχει προαναγγείλει για το 2027. Το έγγραφο επιχειρεί να προσφέρει μια κοινή βάση διαλόγου, ώστε οι φορείς πολιτισμού να εκφράσουν ενιαία θέση σε ένα περιβάλλον όπου η γενετική τεχνητή νοημοσύνη μετασχηματίζει τον τρόπο με τον οποίο οι πολίτες αναζητούν πληροφορίες, γνώση και πολιτιστικό περιεχόμενο.
Η AI δεν αποτελεί απλώς μια τεχνολογική καινοτομία. Αναδεικνύεται σε μια κοινωνική και πολιτιστική τεχνολογία που διαμορφώνει τον τρόπο πρόσβασης στη γνώση και στον πολιτισμό. Για τον λόγο αυτό, η έκθεση υποστηρίζει ότι οι δημόσιοι πολιτιστικοί οργανισμοί δεν πρέπει να περιοριστούν στην υιοθέτηση των νέων εργαλείων, αλλά να συμμετάσχουν ενεργά στη διαμόρφωση των κανόνων, των αξιών και των στόχων που θα καθοδηγήσουν την ανάπτυξή τους.
Η πρόταση για μια Δημόσια Τεχνητή Νοημοσύνη αναδεικνύει μια ευρωπαϊκή εναλλακτική: μια AI που δεν εξυπηρετεί μόνο την οικονομική ανάπτυξη, αλλά και την πολιτιστική πολυμορφία, τη δημοκρατία, τη διαφάνεια και το συλλογικό όφελος. Σε μια εποχή όπου η τεχνητή νοημοσύνη αποκτά ολοένα και μεγαλύτερη επιρροή στην καθημερινή ζωή, η συμβολή του τομέα της πολιτιστικής κληρονομιάς μπορεί να αποδειχθεί καθοριστική για τη δημιουργία μιας τεχνολογίας που υπηρετεί πραγματικά την κοινωνία.
Η σύγχρονη επιστημονική έρευνα είναι περισσότερο διεθνής, ψηφιακή και συνεργατική από ποτέ. Ερευνητές από διαφορετικές χώρες συνεργάζονται καθημερινά, αξιοποιούν μεγάλες βάσεις δεδομένων, εφαρμόζουν τεχνικές εξόρυξης κειμένου και δεδομένων (Text and Data Mining – TDM) και ενσωματώνουν εργαλεία τεχνητής νοημοσύνης στις ερευνητικές τους διαδικασίες. Ωστόσο, παρά την ταχεία εξέλιξη της επιστήμης, το νομικό πλαίσιο που διέπει τη χρήση προστατευόμενου από πνευματικά δικαιώματα υλικού παραμένει κατακερματισμένο και συχνά ανεπαρκές για τις ανάγκες της σύγχρονης έρευνας.
Μια πρόσφατη μελέτη του Centrum Cyfrowe σε συνεργασία με το Future Law Lab του Πανεπιστημίου Jagiellonian εξετάζει κατά πόσο το ευρωπαϊκό σύστημα πνευματικών δικαιωμάτων ανταποκρίνεται στις απαιτήσεις της επιστημονικής κοινότητας. Τα ευρήματα δείχνουν ότι, παρά τις πολυετείς προσπάθειες εναρμόνισης της νομοθεσίας σε επίπεδο Ευρωπαϊκής Ένωσης, οι ερευνητές εξακολουθούν να λειτουργούν μέσα σε ένα περιβάλλον έντονης νομικής ασάφειας και ανισοτήτων μεταξύ των κρατών-μελών.
Ένα μωσαϊκό διαφορετικών κανόνων
Η έρευνα ανέλυσε το καθεστώς εξαιρέσεων για ερευνητικούς σκοπούς σε 28 ευρωπαϊκές δικαιοδοσίες. Παρότι η ευρωπαϊκή νομοθεσία προβλέπει ορισμένες εξαιρέσεις που επιτρέπουν τη χρήση προστατευόμενων έργων για επιστημονική έρευνα, τα κράτη-μέλη έχουν συχνά εισαγάγει πρόσθετους περιορισμούς και διαδικαστικές προϋποθέσεις. Ως αποτέλεσμα, δραστηριότητες που επιτρέπονται σε μία χώρα μπορεί να θεωρούνται παράνομες ή αμφισβητούμενες σε μια άλλη.
Για να αξιολογηθεί το επίπεδο «ανοιχτότητας» των εθνικών νομοθεσιών προς την επιστημονική έρευνα, αναπτύχθηκε ο δείκτης I-REx (Index of Research Exceptions). Ο δείκτης αποκάλυψε ότι όλα τα κράτη-μέλη της ΕΕ έχουν υιοθετήσει πιο περιοριστικές ρυθμίσεις από αυτές που απαιτεί το ευρωπαϊκό δίκαιο. Η μέση αυστηρότητα των εθνικών συστημάτων αποδείχθηκε υπερδιπλάσια από το ελάχιστο πρότυπο που προβλέπεται σε επίπεδο ΕΕ.
Νομική αβεβαιότητα στις διεθνείς συνεργασίες
Οι συνέπειες αυτού του κατακερματισμού είναι ιδιαίτερα εμφανείς στις διασυνοριακές ερευνητικές συνεργασίες. Ερευνητικές κοινοπραξίες που περιλαμβάνουν εταίρους από διαφορετικές χώρες συχνά αναγκάζονται να ακολουθούν το πιο αυστηρό νομικό καθεστώς μεταξύ των συμμετεχόντων κρατών. Αυτό περιορίζει τις δυνατότητες όλων των ερευνητών και δημιουργεί ένα κλίμα συνεχούς αβεβαιότητας σχετικά με το τι επιτρέπεται και τι όχι.
Ακόμη πιο ανησυχητικό είναι το γεγονός ότι, σύμφωνα με τη μελέτη, ακόμη και ειδικοί στο δίκαιο πνευματικής ιδιοκτησίας διαφωνούν συχνά ως προς τη νομιμότητα κοινών ερευνητικών πρακτικών. Σε δέκα χαρακτηριστικά ερευνητικά σενάρια που εξετάστηκαν από ειδικούς σε 21 ευρωπαϊκές χώρες, δεν υπήρξε σαφής συναίνεση σχετικά με το ποιες δραστηριότητες επιτρέπονται. Αν οι ίδιοι οι νομικοί δυσκολεύονται να ερμηνεύσουν το πλαίσιο, είναι εύλογο να αναρωτηθεί κανείς πώς μπορούν οι ερευνητές να λειτουργήσουν με βεβαιότητα και ασφάλεια.
Η οπτική των ερευνητών
Οι συνεντεύξεις με ερευνητές επιβεβαιώνουν την ύπαρξη σοβαρών προβλημάτων. Πολλοί συμμετέχοντες ανέφεραν ότι δεν έχουν λάβει επαρκή εκπαίδευση σχετικά με τα πνευματικά δικαιώματα και βασίζονται σε ανεπίσημες πρακτικές, επαγγελματικά δίκτυα και θεσμικές «παρακάμψεις» για να αποκτήσουν πρόσβαση σε ερευνητικό υλικό.
Ιδιαίτερο ενδιαφέρον παρουσιάζει η επικράτηση μιας νοοτροπίας που οι ερευνητές περιγράφουν ως «το ευρύτερο καλό». Πολλοί θεωρούν ότι η παραγωγή και διάδοση της γνώσης αποτελεί κοινωνική αποστολή που υπερβαίνει τους περιορισμούς ή τις ασάφειες της νομοθεσίας. Έτσι, σε ορισμένες περιπτώσεις επιλέγουν να λειτουργούν σε νομικές «γκρίζες ζώνες», όταν θεωρούν ότι οι περιορισμοί των πνευματικών δικαιωμάτων έρχονται σε σύγκρουση με τις πραγματικές ανάγκες της επιστήμης.
Παράλληλα, οι συμμετέχοντες επισήμαναν ότι η νομοθεσία δεν έχει προσαρμοστεί επαρκώς στις σύγχρονες τεχνολογίες, ιδιαίτερα σε τομείς όπως η Τεχνητή Νοημοσύνη, η Μηχανική Μάθηση και η εξόρυξη δεδομένων. Το αποτέλεσμα είναι ένα αυξανόμενο χάσμα μεταξύ των νομικών κανόνων και των πραγματικών συνθηκών διεξαγωγής της έρευνας.
Η ανάγκη για μεταρρύθμιση
Οι συντάκτες της μελέτης υποστηρίζουν ότι η Ευρώπη δεν μπορεί να οικοδομήσει ένα ανταγωνιστικό και καινοτόμο ερευνητικό οικοσύστημα όσο διατηρείται αυτός ο βαθμός νομικού κατακερματισμού. Το ισχύον πλαίσιο συχνά αποσπά χρόνο και πόρους από την ουσία της επιστημονικής έρευνας, αναγκάζοντας τους ερευνητές να επικεντρώνονται στην αξιολόγηση νομικών κινδύνων αντί στην παραγωγή νέας γνώσης.
Η μελέτη προτείνει, σε βραχυπρόθεσμο επίπεδο, την πλήρη εφαρμογή των εξαιρέσεων για ερευνητικούς σκοπούς χωρίς πρόσθετους εθνικούς περιορισμούς, καθώς και την αμοιβαία αναγνώριση των νόμιμων ερευνητικών χρήσεων σε όλα τα κράτη-μέλη της ΕΕ. Σε μακροπρόθεσμο ορίζοντα, προτείνεται η δημιουργία μιας υποχρεωτικής και πλήρως εναρμονισμένης ευρωπαϊκής εξαίρεσης για την επιστημονική έρευνα, η οποία θα εξασφαλίζει ενιαία δικαιώματα και μεγαλύτερη νομική βεβαιότητα σε ολόκληρη την Ένωση.
Η επιστημονική γνώση αποτελεί θεμελιώδες δημόσιο αγαθό και βασικό μοχλό καινοτομίας, εκπαίδευσης και κοινωνικής προόδου. Όταν οι κανόνες πνευματικής ιδιοκτησίας λειτουργούν ως εμπόδιο στην πρόσβαση, τη συνεργασία και την ανταλλαγή γνώσης, υπονομεύουν τον ίδιο τον σκοπό που καλούνται να υπηρετήσουν. Η Ευρώπη καλείται σήμερα να επανεξετάσει το πλαίσιο των πνευματικών δικαιωμάτων, ώστε να διασφαλίσει ότι η έρευνα δεν θα περιορίζεται από εθνικά σύνορα και νομικές ασάφειες, αλλά θα υποστηρίζεται ως βασικός πυλώνας της ευρωπαϊκής ανάπτυξης και καινοτομίας.
ΝΕΑ ΥΟΡΚΗ, 2η ημέρα του UN Open Source Week 2026. Στον απόηχο των συζητήσεων στον ΟΗΕ για το μέλλον της ψηφιακής διακυβέρνησης, η σημερινή παρέμβαση του Yann LeCun λειτούργησε ως μια «ψυχρολουσία» πραγματισμού απέναντι στις υπερβολές που λέγονται και γράφονται για την τεχνητή νοημοσύνη. Ο πρώην επικεφαλής επιστήμονας της Meta και νυν συνιδρητής των Advanced Machine Intelligence Labs δεν στάθηκε μόνο στις τεχνικές προκλήσεις, αλλά άγγιξε την «καρδιά» του προβλήματος της οικονομικής και πολιτικής βιωσιμότητα της ΤΝ.
Το οικονομικό παράδοξο: Η φούσκα των 15.000 δολαρίων
Ο LeCun έριξε μια «βόμβα» που αναμένεται να συζητηθεί στα πηγαδάκια της Νέας Υόρκης και όχι μόνο. Αποκάλυψε ότι τη χρήση της ΤΝ σήμερα, ουσιαστικά, την επιδοτούν οι ίδιοι οι επενδυτές. «Το κόστος εξυπηρέτησης ενός “power user” που πληρώνει 200 δολάρια τον μήνα μπορεί να φτάνει τα 15.000 δολάρια», ανέφερε χαρακτηριστικά, προειδοποιώντας για μια επικείμενη «εκκαθάριση» παρόμοια με την κατάρρευση των εταιρειών dot-com το 2000.
Όπως εξήγησε, οι τρέχουσες αρχιτεκτονικές autoregressive prediction (η πρόβλεψη της επόμενης λέξης από την ΤΝ) είναι εγγενώς ενεργοβόρες και «μη ασφαλείς». Η λύση, σύμφωνα με τον ίδιο, δεν είναι τα όλο και μεγαλύτερα μοντέλα στο cloud, αλλά η στροφή σε μικρότερα, τοπικά μοντέλα και σε νέες αρχιτεκτονικές όπως το JEPA(Joint Embedding Predictive Architecture), που θα επιτρέπουν στα συστήματα να σχεδιάζουν ενέργειες με βάση «μοντέλα του κόσμου» (world models) και συγκεκριμένους στόχους (objective-driven AI).
Ανοιχτός Κώδικας: Το «αντίδοτο» στη συγκέντρωση ισχύος
Απαντώντας στη διάχυτη ανησυχία για τους υπαρξιακούς κινδύνους της ΤΝ, ο LeCun ήταν καθησυχαστικός, αλλά και πολιτικά αιχμηρός. Υποστήριξε ότι ο κίνδυνος δεν προέρχεται από μια «υπέρ-ευφυή» ΤΝ που θα κυριεύσει τον κόσμο, αλλά από τη συγκέντρωση τεχνολογικής ισχύος σε λίγους παρόχους.
«Η λύση είναι οι ανοιχτές πλατφόρμες», τόνισε, εξηγώντας ότι ο ανοιχτός κώδικας επιτρέπει στις χώρες να διατηρήσουν την κυριαρχία τους χωρίς να θυσιάζουν την ασφάλεια. Μάλιστα, προέβλεψε ότι η ανάγκη για δραστική μείωση του κόστους inference (κατά 20 έως 100 φορές) θα οδηγήσει αναγκαστικά σε αποδοτικότερο, τοπικό λογισμικό και υλικό, ειδικά για εφαρμογές σε κρίσιμους τομείς όπως η γεωργία και η υγεία.
Γιατί τα λόγια του LeCun «δείχνουν» την προσπάθεια της ΕΕΛΛΑΚ
Για εμάς, στην ΕΕΛΛΑΚ, η τοποθέτηση του LeCun από το βήμα του ΟΗΕ αποτελεί την απόλυτη δικαίωση της στρατηγικής που χαράζουμε πρωτίστως με το glossAPI αλλά και το Open-Local-LLM.
Ψηφιακή Κυριαρχία vs “Cloud Subsidies”: Όταν ο LeCun μιλά για το μη βιώσιμο κόστος των κλειστών cloud, επιβεβαιώνει την ανάγκη για την εγχώρια, ανοιχτή υποδομή που προτείνουμε. Η εξάρτηση από ξένους παρόχους (vendor lock-in) δεν είναι μόνο ρίσκο κυριαρχίας, αλλά και μια οικονομική παγίδα.
Τοπική Υποδομή ως Κοινό Αγθό: Η προσέγγισή μας για LLMs που τρέχουν 100% με ελεύθερο λογισμικό σε τοπικό υλικό (edge nodes) ταυτίζεται με την ανάγκη για «δημοκρατικοποίηση» της υπολογιστικής ισχύος. Το glossAPI, βασισμένο στην ελεύθερη πρόσβαση σε ΑΙ ready δεδομένα, είναι το πρώτο βήμα για ένα μοντέλο εκπαιδευμένο σε ελληνικά (όπως το Apertus ή ενδεχομένως η επόμενη έκδοση του Meltemi) που να υπηρετεί το δημόσιο συμφέρον.
AI-assisted, not AI-decided: Η στροφή που περιέγραψε ο LeCun προς το Objective-Driven AI με δικλείδες ασφαλείας (guardrails) ταυτίζεται με τη δική μας φιλοσοφία human-in-the-loop. Στόχος μας είναι να φτάσουμε σε μια διάφανη δημόσια υποδομή που να υποστηρίζει τον δημόσιο υπάλληλο και τον πολίτη.
Το Proof of Concept που ξεκινάμε στην ΕΕΛΛΑΚ για Open Local Open Source LLMs στοχεύει ακριβώς στο να αποδείξει ότι η ψηφιακή κυριαρχία του Δημοσίου χτίζεται με ανοιχτό κώδικα και τοπική ισχύ, μειώνοντας δραστικά το κόστος και διασφαλίζοντας τα δεδομένα μας εντός συνόρων χτίζοντας παράλληλα τις αναγκαίες ικανότητες. Όπως φάνηκε σήμερα στη Νέα Υόρκη, ο δρόμος προς μια τεχνητή νοημοσύνη ως ψηφιακό δημόσιο αγαθό είναι η μόνη ρεαλιστική διέξοδος.
Η Επιτροπή Νομικών Θεμάτων (JURI) του Ευρωπαϊκού Κοινοβουλίου υιοθέτησε πρόσφατα σχέδιο γνωμοδότησης σχετικά με το νομοθετικό πακέτο Digital Omnibus, επιχειρώντας να διαφυλάξει βασικές αρχές του ευρωπαϊκού πλαισίου για τα ανοιχτά δημόσια δεδομένα. Αν και η πρωτοβουλία περιλαμβάνει σημαντικές θετικές παρεμβάσεις, ορισμένες από τις προτεινόμενες τροποποιήσεις δημιουργούν αντιφάσεις που ενδέχεται να υπονομεύσουν το ίδιο το οικοσύστημα ... Read more
O πλανήτης αποτελεί ένα τόπο συνάντησης των μελών της ελληνικής κοινότητας ΕΛ/ΛΑΚ.
Τα άρθρα του πλανήτη συλλέγονται αυτόματα χωρίς ανθρώπινη παρέμβαση, αποτελούν πνευματική ιδιοκτησία των συγγραφέων τους και αντικατοπτρίζουν τις απόψεις τους.
Η διαχείριση του πλανήτη γίνεται δημόσια μέσα από το σχετικό repository της υπηρεσίας GitHub: greek-libre-planet, όπου μπορείς να ζητήσεις την προσθήκη του blog σου δηλώνοντας το feed της κατηγορίας, του tag, ή το γενικό feed του blog σου, το όνομα/επώνυμο σου και προαιρετικά το avatar σου, αφού πρώτα εγγραφείτε και κατόπιν συνδεθείτε στην υπηρεσία GitΗub, ανοίγοντας νέο issue που θα περιέχει τα συγκεκριμένα στοιχεία σου.
(Αν δεν έχετε λογαριασμό στην υπηρεσία GitHub, για να προστεθει το blog σου θα προστεθεί στον πλανήτη ΕΛ/ΛΑΚ μπορείτε εναλλακτικά να μας αποστειλετε τα παραπάνω στοιχεία στην ηλεκτρονική διεύθυνση info @ eellak gr.)
Πότε: 31 Οκτωβρίου – 1 Νοεμβρίου 2026 
Πού: Πανεπιστήμιο Δυτικής Αττικής (Θηβών 250, Αιγάλεω) 
Είσοδος: Δωρεάν — όπως αρμόζει στο ελεύθερο λογισμικό
Ώρα: 11:30 – 13:00 (ώρα Ελλάδας) / 10:30 – 12:00 CET 
Τόπος: Διαδικτυακά μέσω Zoom
Προεγγραφή:
Σύνδεσμος Zoom: 
Ιστότοπος έργου:
